[论文解读] InfiniViz: Interactive Visual Exploration using Progressive Bin Refinement

Niranjan Kamat, Arnab Nandi|arXiv (Cornell University)|Oct 5, 2017

Data Visualization and Analytics参考文献 27被引用 3

一句话总结

InfiniViz 引入了一种渐进式分箱优化范式，通过随时间逐步提高分箱分辨率，实现了对大规模数据集的无错误、交互式可视化探索。通过将结果优化视为首要查询操作符，并使用信息论度量来平衡优化标准，InfiniViz 降低了计算和认知负担，使用户能够以显著更低的成本执行多达一个数量级更多的查询，同时信息损失极小。

ABSTRACT

Interactive visualizations can accelerate the data analysis loop through near-instantaneous feedback. To achieve interactivity, techniques such as data cubes and sampling are typically employed. While data cubes can speedup querying for moderate-sized datasets, they are ineffective at doing so at a larger scales due to the size of the materialized data cubes. On the other hand, while sampling can help scale to large datasets, it adds sampling error and the associated issues into the process. While increasing accuracy by looking at more data may sometimes be valuable, providing result minutiae might not be necessary if they do not impart additional significant information. Indeed, such details not only incur a higher \emph{computational} cost, but also tax the \emph{cognitive} load of the analyst with worthless trivia. To reduce both the computational and cognitive expenses, we introduce \emph{InfiniViz}. Through a novel result refinement-based querying paradigm, \emph{InfiniViz} provides error-free results for large datasets by increasing bin resolutions progressively over time. Through real and simulated workloads over real and benchmark datasets, we evaluate and demonstrate \emph{InfiniViz}'s utility at reducing both cognitive and computational costs, while minimizing information loss.

研究动机与目标

• 解决大规模数据集可视化分析中交互性与准确性之间的矛盾。
• 通过避免采样误差和全量数据处理，降低交互式数据探索中的计算和认知开销。
• 在可视化查询系统中引入结果优化作为首要操作符，替代或补充采样和数据立方体方法。
• 通过控制分箱大小，在保持无错误度量结果的同时，最小化信息损失。
• 通过低延迟、渐进式优化的可视化，使用户能够更快地探索复杂假设。

提出的方法

• 提出了一种新颖的查询范式，称为渐进式分箱优化，其中可视化结果最初为粗粒度，并随时间逐步优化。
• 引入广义优化操作符（GRO），支持多种优化标准：结果数量、平均偏差、相对熵变化和优化层级。
• 使用信息论度量来平衡相互冲突的优化标准，并指导优化过程。
• 将分箱作为一种近似查询形式，将误差控制在分箱大小范围内，而非度量准确性。
• 利用现有后端系统（如 Nanocubes、Dwarfcubes）作为中间件，避免全量数据立方体物化。
• 通过 Web Workers 和渐进式渲染实现实时查询执行，保持响应时间低于 100ms。

实验结果

研究问题

• RQ1 渐进式分箱优化是否能在不引入采样误差的前提下，同时降低计算和认知成本？
• RQ2 将优化视为首要操作符，如何提升用户在大规模数据探索中的效率和假设检验能力？
• RQ3 信息论度量在多大程度上能有效平衡相互冲突的优化标准，同时最小化信息损失？
• RQ4 InfiniViz 与基于采样的系统和基于数据立方体的系统相比，在响应时间、准确性和用户生产力方面表现如何？
• RQ5 渐进式优化能否支持低延迟、高交互性的复杂多维查询？

主要发现

• InfiniViz 实现了低于 100ms 的响应时间，支持交互式探索中的近乎即时反馈。
• 与查询完整未分箱数据集相比，该系统将计算成本降低了两个数量级。
• 用户使用 InfiniViz 执行的查询数量比传统采样或数据立方体方法多出一个数量级。
• 在广义优化操作符中使用信息论度量，有效平衡了结果数量与分辨率等相互冲突的优化标准。
• 渐进式优化显著降低了认知负荷，用户无需再处理采样误差或无关细节的解释。
• 用户研究显示，在使用 InfiniViz 时，假设检验速度和探索深度均有统计学上显著的提升。