[论文解读] Toward a deeper understanding of Visualization through keyword analysis

Petra Isenberg, Tobias Isenberg+3 more|HAL (Le Centre pour la Communication Scientifique Directe)|Aug 13, 2014

Data Visualization and Analytics被引用 8

一句话总结

本文通过标准化（PCS）和作者自选关键词，分析了2004–2014年间4,366篇可视化会议论文，以绘制研究主题、趋势和术语多样性的图谱。研究识别出关键主题，揭示了关键词使用中的不一致性，并推出了keyvis.org——一个允许研究人员探索超过2,600个关键词的工具，以提升未来投稿中关键词选择的有效性与准确性。

ABSTRACT

We present the results of a comprehensive analysis of visualization paper keywords supplied for 4366 papers submitted to five main visualization conferences. We describe main keywords, topic areas, and 10-year historic trends from two datasets: (1) the standardized PCS taxonomy keywords in use for paper submissions for IEEE InfoVis, IEEE Vis-SciVis, IEEE VAST, EuroVis, and IEEE PacificVis since 2009 and (2) the author-chosen keywords for papers published in the IEEE Visualization conference series (now called IEEE VIS) since 2004. Our analysis of research topics in visualization can serve as a starting point to (a) help create a common vocabulary to improve communication among different visualization sub-groups, (b) facilitate the process of understanding differences and commonalities of the various research sub-fields in visualization, (c) provide an understanding of emerging new research trends, (d) facilitate the crucial step of finding the right reviewers for research submissions, and (e) it can eventually lead to a comprehensive taxonomy of visualization research. One additional tangible outcome of our work is an application that allows visualization researchers to easily browse the 2600+ keywords used for IEEE VIS papers during the past 10 years, aiming at more informed and, hence, more effective keyword selections for future visualization publications.

研究动机与目标

• 通过分析4,366篇提交至主要可视化会议的论文的关键词，研究可视化研究主题的演变。
• 识别作者自选关键词中术语不一致和变化（如单复数、缩写、拼写差异）的问题，这些现象会降低可搜索性和沟通效率。
• 支持构建可视化研究的通用词汇表和全面、可演化的分类体系，以改善跨学科沟通和同行评审匹配。
• 开发并部署keyvis.org，一个公共网络应用，使研究人员能够浏览和分析过去10年IEEE VIS关键词，以优化关键词选择。
• 通过评估现有系统（如PCS）在捕捉新兴与衰退研究趋势方面的优缺点，为未来分类体系设计提供依据。

提出的方法

• 收集并分析了2009年至今的IEEE InfoVis、Vis-SciVis、VAST、EuroVis和PacificVis会议的标准化PCS关键词。
• 收集并分析了2004至2014年间发表于IEEE VIS会议系列的2,600多篇论文的作者自选关键词。
• 执行关键词标准化与聚类，以识别数据集中反复出现的主题和术语变体。
• 追踪关键词频率的10年趋势，以检测新兴和衰退的研究主题，如“evaluation”和“deep learning”。
• 构建keyvis.org作为可搜索的网络应用，可视化关键词的使用频率及其随时间的演变。
• 评估现有分类体系（如PCS）在捕捉细微研究趋势方面的局限性，原因在于关键词碎片化和粒度问题。

实验结果

研究问题

• RQ1 2004至2014年间，可视化研究中的主导研究主题和主题聚类是什么？
• RQ2 作者自选关键词在术语变体和一致性方面与标准化PCS关键词有何不同？
• RQ3 过去十年中，可视化研究的关键趋势是什么？这些趋势在标准化关键词与作者提供关键词之间有何差异？
• RQ4 关键词分析在多大程度上能支持构建共享词汇表和全面、可维护的可视化研究分类体系？
• RQ5 关键词数据和keyvis.org等工具如何改善同行评审流程，并帮助作者为投稿选择更有效的关键词？

主要发现

• 在作者自选关键词中，“evaluation”作为显著上升的研究主题出现，但在PCS分类体系中未被识别为趋势，原因在于其被碎片化为七个子主题。
• 作者自选关键词表现出显著的术语变体，包括单复数形式（如“glyph”与“glyphs”）、缩写（如“DTI”与“diffusion tensor imaging”）以及连字符使用（如“multi-dimensional”与“multidimensional”）。
• PCS分类体系虽然旨在提升同行评审质量，但由于其结构僵化且缺乏动态更新，未能捕捉到某些新兴趋势。
• 分析表明，没有任何一个分类体系能完全代表可视化研究的多样性，尤其是在捕捉跨学科和不断演变的子领域方面。
• keyvis.org工具使研究人员能够探索来自10年IEEE VIS论文的2,600多个关键词，支持更明智且一致的关键词选择。
• 本研究证明，关键词分析是识别研究趋势、改善沟通以及支持构建统一可视化研究分类体系的可行方法。