[论文解读] CAVA: A Visual Analytics System for Exploratory Columnar Data Augmentation Using Knowledge Graphs

Dylan Cashman, Shenyu Xu+7 more|arXiv (Cornell University)|Sep 7, 2020

Data Visualization and Analytics参考文献 62被引用 6

一句话总结

CAVA 是一个可视化分析系统，允许用户在主动分析过程中，通过交互式可视化查询和预览，将外部知识图谱属性与表格数据集进行增强，从而简化复杂的连接操作和数据发现。通过将数据增强集成到可视化分析流程中，CAVA 提升了分析结果，用户研究显示，用户可在一小时内无需编程完成有效的数据增强。

ABSTRACT

Most visual analytics systems assume that all foraging for data happens before the analytics process; once analysis begins, the set of data attributes considered is fixed. Such separation of data construction from analysis precludes iteration that can enable foraging informed by the needs that arise in-situ during the analysis. The separation of the foraging loop from the data analysis tasks can limit the pace and scope of analysis. In this paper, we present CAVA, a system that integrates data curation and data augmentation with the traditional data exploration and analysis tasks, enabling information foraging in-situ during analysis. Identifying attributes to add to the dataset is difficult because it requires human knowledge to determine which available attributes will be helpful for the ensuing analytical tasks. CAVA crawls knowledge graphs to provide users with a a broad set of attributes drawn from external data to choose from. Users can then specify complex operations on knowledge graphs to construct additional attributes. CAVA shows how visual analytics can help users forage for attributes by letting users visually explore the set of available data, and by serving as an interface for query construction. It also provides visualizations of the knowledge graph itself to help users understand complex joins such as multi-hop aggregations. We assess the ability of our system to enable users to perform complex data combinations without programming in a user study over two datasets. We then demonstrate the generalizability of CAVA through two additional usage scenarios. The results of the evaluation confirm that CAVA is effective in helping the user perform data foraging that leads to improved analysis outcomes, and offer evidence in support of integrating data augmentation as a part of the visual analytics pipeline.

研究动机与目标

• 解决传统可视化分析系统将数据整理与分析分离的局限性，限制了迭代探索。
• 在分析过程中，使用户能够基于实时洞察发现并集成来自知识图谱的相关外部属性。
• 通过可视化界面抽象数据库级操作，降低复杂数据增强的技术门槛。
• 支持用户理解并构建多跳知识图谱查询以实现属性增强，而无需技术专长。
• 将数据增强作为可视化分析工作流中的核心组件，以提升分析结果和用户主导的数据整理能力。

提出的方法

• 使用实体解析启发式方法，将表格数据集的每一行映射到知识图谱中的一个实体（例如 Wikidata）。
• 提供潜在属性连接的可视化预览，包括数据分布和每个属性的示例图路径。
• 允许用户探索由知识图谱关系导出的候选属性列表，支持基于相关性和覆盖度的过滤与排序。
• 通过可视化查询构建器支持复杂查询的构建，实现对知识图谱子结构的多跳聚合与过滤。
• 可视化知识图谱结构和连接路径，帮助用户理解增强属性的来源和逻辑。
• 将增强后的属性直接整合到数据集中作为新列，以保留数据血缘关系和上下文信息。

实验结果

研究问题

• RQ1 用户是否能在无需预先编程的情况下，在主动数据分析过程中有效发现并集成来自知识图谱的相关外部属性？
• RQ2 将数据增强集成到可视化分析工作流中，如何影响分析洞察的质量与深度？
• RQ3 可视化界面在多大程度上能减轻构建复杂知识图谱查询进行数据增强的认知与技术负担？
• RQ4 CAVA 如何在属性发现过程中支持用户应对知识图谱数据中的稀疏性与模糊性？
• RQ5 CAVA 的方法能否在多样化的数据集和分析任务中通用化，包括预测建模与探索性分析？

主要发现

• 六名用户研究参与者均在 60 分钟内成功完成两个数据集的数据增强，证明了 CAVA 的易学性与可用性。
• CAVA 使用户能够通过可视化方式构建复杂的多跳知识图谱查询，生成有意义的属性增强，从而改善下游分析任务。
• 系统提供的已连接数据分布和示例图路径的可视化预览，显著帮助用户评估候选属性的相关性与质量。
• 将数据增强集成到分析工作流中，使用户能够在洞察生成与数据增强之间迭代，从而做出更明智、更有效的分析决策。
• CAVA 通过提供可视化提示和交互式消歧支持，有效缓解了数据稀疏性和实体解析模糊性带来的挑战。
• 系统通过两个额外的应用场景展示了通用性，证明其在预测建模和洞察生成任务中的有效性。