边缘捆绑对视觉信息搜索的影响外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

Information Sciences 495 (2019) 234–246

Contents lists available atScienceDirect

Information Sciences

journal homepage:www.elsevier.com/locate/ins

The influence of edge bundling on visual information search

Yi-Na Lia, Kang Zhangb,c,lowast;, Dong-Ni Hud, Mao Lin Huange

a International Institute of Finance, School of Management, University of Science and Technology of China, 96 Jinzhai Rd., Hefei, Anhui 230026, P.R. China

b Computer Science, The University of Texas at Dallas, 800 West Campbell Road, Richardson, TX 75080, United States

c Faculty of Information Technology, Macau University of Science and Technology, Avenida Wai Long, Taipa, Macau, P.R. China d China Mobile Communications Group Beijing Co., Ltd., 58 Dongzhong St., Dongcheng, Beijing 100027, P.R. China

e School of Software, University of Technology Sydney, Ultimo 2007, Australia

a r t i c l e i n f o a b s t r a c t

1.介绍

大数据需要先进的技术来揭示大量复杂数据中隐藏的信息。网络是一个典型的表示实体之间关系的节点-链接的图。网络的视觉元素可以分为节点和边。节点表示我们想要跟踪的实体，例如个人、企业和帐户。边即连接两个节点的一条线，表示两个节点之间的关系。

大量代表大数据的节点和边可能会相互重叠和覆盖，引起视觉错乱，降低了表示的审美质量和信息搜索的速度。作为一种视觉压缩技术，边绑定根据特定的规则将边缘分组成束，目的是在保留原始信息的同时显示图表的骨架。[21].

学者们提出了几种类型的边绑定技术，包括分层边绑定(HEB)[15]、基于几何的边绑定(GBEB)[9]、力定向边绑定(FDEB)[16]、缠绕道路(WR)[19]和分层边绑定(LEB)[7]。我们使用LEB方法进行了一个实验，该方法根据边缘的方向将边缘分成几层，以尽量减少不同束的干扰。例如，图1显示了在一个引文数据集上的非捆绑表示和捆绑结果。比较了图中的非捆绑效应。图1(a)边缘捆绑效应如图所示。图1(b)-(d)可以揭示一个骨架。边缘上不同程度的捆绑强度，从现在开始称为张力，产生不同厚度的捆绑。

lowast; Corresponding author.

E-mail address: kzhang@utdallas.edu (K. Zhang).

Y.-N. Li, K. Zhang and D.-N. Hu et al./Information Sciences 495 (2019) 234–246 235

Fig. 1. Visualized citation dataset: (a) unbundled graph; (b) (c) and (d) LEB bundling results under low, medium and high tensions.

除了像其他边绑定技术一样将相似的边缘路由成束外，LEB还可以将不相似边缘之间的干扰最小化，并产生具有更小曲率和高可追溯性[7]的束。这些特性说明了边缘捆绑方法的典型优势及其对视觉分析的支持。本研究主要探讨了利用LEB方法评价视觉信息通信的效果。我们认为，该结论也适用于其他类型的边绑定技术。

我们的研究对现有文献的贡献如下。首先，它通过比较训练集的分类准确性与观众感知的信息，实证检验边缘捆绑的有效性。先前的研究已经通过边绑定[10]来认识到图的语义的模糊性。然而，学者们认为用户能够通过边绑定准确地处理视觉信息。我们的实验数据验证了训练集与感知信息之间的差异，并为隐藏的信息及其对观众信息处理的影响提供了见解。其次，我们的研究评估了在不同捆绑张力条件下，边缘捆绑对视觉信息搜索的准确性、速度和感知流畅性的影响。虽然边缘捆绑的目的是减少视觉混乱，但其对不同紧张程度下的高级视图的影响尚未得到证实。第三，我们的研究试图解释边缘捆绑对视觉复杂性、格式塔法和知觉流畅性的影响机制。由于视觉刺激的清晰度和简单性，它将知觉流畅性作为一种主观的轻松性。

论文的其余部分组织如下。在回顾了第2节的相关工作后，第3节提出了四个需要实证评估的假设。第4节详细介绍了我们的实证研究，然后是第5节的结果。第6节提供了关于结果和未来工作的讨论。

2. 相关工作

边绑定被认为是信息可视化[35]中减少可视化混乱的一种有效方法，已被用于图形可视化[25,27,37]、流图可视化[6,34]和并行坐标可视化[23,35]。基于不同的边绑定方法，学者们提出了一种边绑定分类法[35]。针对各种任务特性[35]，已经开发了多种类型的边绑定方法。LEB根据底层范式[7]将边绑定算法分为三类。第一类是基于几何的技术，包括HEB[15]，GBEB[9]，无歧义边绑定(AFEB)[22]，在曲线边缘上设置适当的控制点。第二类是基于成本的方法，采用自组织物理系统或节约油墨，包括FDEB[16]、分割边缘捆绑[29]和多层凝聚边绑定(mingle)[11]。第三类使用图像处理技术，包括核密度估计图绑定(KDEEB)[17]和基于骨架的边绑定(SBEB)[10]。研究表明，LEB可以揭示任何图的骨架或主干结构。通过最小化不同边缘束之间的干预，减少束相交处的纠缠，LEB可以被认为是一种具有代表性的方法。在边绑定技术中，HEB[15]通过提供接口和交互式操作来说明其技术。参与者可以交互式地改变捆绑强度，并在不同的树布局之间切换。一项非正式的评估表明，大多数参与者认为该技术有助于快速深入了解在有层次组织的系统中的邻接关系。GBEG[9]将一种基于几何的边缘聚类方法应用于多个图，并证明了它的有效性。为了减少边缘捆绑中空间接近导致的感知不正确连通性的潜在风险，在最近的研究中，学者们提出了一种融合绘图方法，以最大限度地提高感知连通性[3]的准确性。与GBEB相比，FBEB[16]显示出更多的“束”和更少的曲线变化。虽然GBEB的算法管道比

236 Y.-N. Li, K. Zhang and D.-N. Hu et al./Information Sciences 495 (2019) 234–246

FDEB中使用的力导向方法更复杂，但前者在生成捆绑图方面比后者更快。WR[19]在不使用实验方法的情况下提高了杂波减少水平和计算性能。混合[11]、SBEB[10]、AFEB[22]、KDEEB[17]在可视化图和算法复杂度方面存在显著差异，但没有采用正式的统计方法来评估这些方法的优缺点。LEB[7]旨在提供概述，而不是获得准确的答案。在三个数据集上进行的实验表明，LEB在可视化数据模式方面优于以往的方法。

研究人员已经开发出了测试信息可视化的可用性的方法。本文使用一组基于基准数据集的任务来评估信息可视化系统[26]的有效性，并具有与图[1]相关的高级低级任务。然而，边缘绑定旨在表示图的骨架或模式，而不是揭示细节。因此，低级别的任务并不适用于边缘绑定的评估。图形可视化的任务分类法[20]通过添加特定于图形的任务和一般任务来补充低级任务，包括查找相邻节点、扫描和设置操作。它进一步总结了一组分析图形数据的任务，包括基于拓扑、基于属性、浏览、概述和高级任务[20]。我们基于任务的分类法进行了一系列的受控实验，包括基于拓扑的任务、概述任务和信息搜索的高级任务。

先前的研究通过测试参与者在执行与低级别连接、路径跟踪和高级集群间连接[2]相关的任务时的响应时间和准确性来评估边绑定。研究表明，边缘捆绑可以显著提高识别高级集群连通性的响应时间，但对节点[24]之间跟踪路径的响应时间和准确性都有负面影响。与此研究相结合，我们的研究重点放在可用性的一个重要维度，即视觉搜索，并强调了视觉分组中边绑定对视觉搜索影响的潜在机制。

3. 猜想

一个视觉对象由许多组件组成，它们以多种方式相互交互。复杂性由组件的数量和细节、每个组件的不规则性以及组件[5]的排列方式决定。视觉复杂性衡量的是信息丰富度。对象越复杂，其所包含的信息就越多[12]。

一段信息的不同表示形式的复杂性也有所不同。边绑定会使每个连接从一条直线扭曲到另一条曲线。关于信息冗余，曲线携带了额外的信息，如曲率和半径，除了两个点之间的简单连接之外，还可以显示更多的属性。如果我们通过添加每一行所携带的信息量来汇总信息，假设行之间没有重叠，那么一个曲线束包含比相同数量的直线更多的信息。通过边绑定，曲率提供的额外信息量旨在帮助用户识别有效的信息。因此，我们提出以下假设：

H1. 边缘捆绑可以帮助用户提高视觉信息搜索的准确性。

边缘可以捆绑在不同的张力下。一个极低的张力几乎不能呈现出骨架。当张力增加时，近似的连接被分组，以显示骨架，同时不断增加的重叠出现。相比之下，极高的张力可能导致同一束中出现大量重叠的边缘，从而导致较难以区分的连接。适当的张力可以帮助用户对视觉刺激进行分组，并提高用户在信息搜索的准确性和速度方面的表现。因此，我们假定：

H2. 在中等张力下的边缘捆绑可以显示出比在极低或高张力下更清晰的骨架。

人类在给定时间内处理信息的能力有限。当他们试图理解一个简单的图像[31]时，他们会感知到纯洁性和清晰度，并体验到很高的主观轻松感。因此，简单表示免于困难、努力或困惑的自由，[1]。在解释过程中感知到的主观轻松或困难被称为加工流畅性，一般可分为概念流畅性和知觉流畅性[28]。前者是指观众在处理物理特征（如视觉物体的数量、形态和形状）时感知到的轻松性，后者是指处理语义知识[19]的主观轻松性。边缘捆绑的目的是揭示骨架，提高清晰度和简单性，并提供对视觉信息的直观解释，而不是减少推理和推理负荷。因此，边缘捆绑降低了视觉信息处理[12]的视觉复杂性，提

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[589625]，资料为PDF文档或Word文档，PDF文档可免费转换为Word