[论文解读] Beagle: Automated Extraction and Interpretation of Visualizations from the Web

Leilani Battle, Peitong Duan+4 more|arXiv (Cornell University)|Nov 16, 2017

Data Visualization and Analytics被引用 14

一句话总结

Beagle 是一个自动化系统，通过网络爬虫和面向 SVG 的标注器，从网页中挖掘并分类基于 SVG 的可视化图表，实现了在超过 41,000 个可视化图表中对 24 种可视化类型识别的 86% 准确率。研究发现，条形图、折线图、散点图和地理地图在网页可视化中占主导地位，而尽管关于其使用的争议持续不断，饼图却相对罕见。

ABSTRACT

"How common is interactive visualization on the web?" "What is the most popular visualization design?" "How prevalent are pie charts really?" These questions intimate the role of interactive visualization in the real (online) world. In this paper, we present our approach (and findings) to answering these questions. First, we introduce Beagle, which mines the web for SVG-based visualizations and automatically classifies them by type (i.e., bar, pie, etc.). With Beagle, we extract over 41,000 visualizations across five different tools and repositories, and classify them with 86% accuracy, across 24 visualization types. Given this visualization collection, we study usage across tools. We find that most visualizations fall under four types: bar charts, line charts, scatter charts, and geographic maps. Though controversial, pie charts are relatively rare in practice. Our findings also indicate that users may prefer tools that emphasize a succinct set of visualization types, and provide diverse expert visualization examples.

研究动机与目标

• 理解网页上交互式可视化的真实使用情况。
• 调查不同可视化类型（尤其是饼图等有争议类型）的普遍程度。
• 评估当前可视化工具是否为终端用户提供了实用的可视化类型集合。
• 探索用户如何从现有示例中选择和复用可视化设计。

提出的方法

• 一个网络爬虫从五个可视化仓库（bl.ocks.org、Plotly、Chartblocks、Fusion Charts 和 Graphiq）的网页中提取 SVG 对象。
• 该系统为每个提取的可视化图表收集原始 SVG 规范和视觉快照。
• 标注器利用 SVG 代码的结构和统计特征，将可视化图表分类为 24 种类型。
• 通过五折交叉验证评估分类性能，分别测量在工具集合内部和跨工具集合的准确率。
• 该方法聚焦于基于矢量的 SVG 特征，而非位图图像分析，从而能够精确分类可缩放的可视化元素。
• 该方法实现了对不同工具和平台中真实世界可视化使用情况的大规模自动化分析。

实验结果

研究问题

• RQ1 网页上交互式可视化有多普遍，有多少比例的网页包含它们？
• RQ2 在不同工具和仓库中，哪些可视化类型最为普遍？
• RQ3 用户在不同工具间选择可视化类型的方式有何差异，其选择受哪些因素影响？
• RQ4 用户在创建新可视化时在多大程度上依赖现有示例？
• RQ5 饼图在现实中是否真的如可视化社区所争论的那样普遍？

主要发现

• 在访问的 2000 万个网页中，仅有 0.05% 包含基于 SVG 的可视化图表，表明交互式可视化在网页上仍然相对罕见。
• Beagle 在多类别设置下对 24 种可视化类型的分类准确率达到 86%，在单个工具集合内部准确率介于 82% 至 99% 之间。
• 条形图、折线图、散点图和地理地图占据了可视化图表的绝大多数，合计占该集合的压倒性多数。
• 饼图相对罕见，仅在 Chartblocks 仓库中占 23.2% 的可视化图表，其他仓库中比例更低，表明尽管存在争议，其在实际应用中仍使用有限。
• D3 用户经常将现有示例作为起点进行复制，表明专家示例的可访问性可能促进新可视化类型的应用。
• 尽管研究工具中提供了大量可视化类型，但实际使用仍主要集中在四种类型上，表明研究能力与实际用户需求之间存在错配。