![可視化とは
× 可視化すれば良い
[1] WTF Visualizations, http://viz.wtf/ (2018-04-17 参照)](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-6-320.jpg)
![科学的可視化 (例)
[2] R. Mazza, Introduction to information visualization. Springer Science & Business Media, 2009.](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-9-320.jpg)
![情報可視化 (例4)
[3] A. Endert, P. Fiaux, C. North, Semantic interaction for visual text analytics, In CHI '12, pp. 473-482, 2012.](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-13-320.jpg)
![研究 (論文)の種類
• Technique
• Design Study
• Systems (Architecture)
• Evaluation
• Models
[4] T. Munzner, Process and pitfalls in writing information visualization research papers,
Information visualization. Springer, Berlin, Heidelberg, 134-153, 2008.](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-18-320.jpg)
![Journal
• IEEE Transactions on Visualization and Computer Graphics
• IEEE Transactions on Computer Graphics and Applications
• Computer Graphics Forum
• Journal of Visualization
• Visual Informatics
• 可視化情報学会, 芸術科学会論文誌: SciVisより
• 人工知能学会, ファジイ学会, 情報処理学会: 可視化メインじゃない
[5] Top Scientific Conferences and Journals in InfoVis,
https://sites.umiacs.umd.edu/elm/2016/01/21/infovis-venues/ (2018-04-17参照).](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-19-320.jpg)
![Conference
• IEEE VIS, VAST, LDAV, Eurovis, PacificVis: 採択率25%ぐらい
• IEEE BDVA, IVAPP, Information Visualization (IV): 30-40%ぐらい?
• ACM CHI, UIST, IUI: 採択率20-25%ぐらい
• ACM SIGKDD: 理論より, 採択率25%ぐらい?
• ACM SIGGRAPH: CGより, 採択率-20%, Asiaもある
• Web Intelligence: 採択率30-40% あまり関係ない
• JSAI, SIG-AM, WI2: 弊研究室でよく出す
• NICOGRAPH, インタラクション: GCとかUIより
[6] Acceptance Rates of (Information) Visualization Conferences, https://eagereyes.org/acceptance-rates
(2018-04-17参照).](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-20-320.jpg)
![背景・目的
• 時系列データ: ログデータ, SNSストリーム
▷ 機械学習への応用
ex) 良いユーザを識別する
▷ 人間による評価指標形成の必要:
ex) 良いユーザって何?
[7] R. Takami, Y. Takama, Proposal of Visual Analytics Interface for Time Series Data Employing
Trajectory Manipulation, PacificVis’18 (poster), 2018.](https://image.slidesharecdn.com/guidancevis2-180417020136/85/What-s-Information-Visualization-23-320.jpg)
What's Information Visualization?
- 1. Information Visualization Takama Lab. Rei Takami (M1) Tokyo Metropolitan University
- 2. 可視化とは
- 3. 可視化とは
- 5. 可視化とは × 見える化 △ 視覚化 ○ 可視化
- 6. 可視化とは × 可視化すれば良い [1] WTF Visualizations, http://viz.wtf/ (2018-04-17 参照)
- 7. Outline • 可視化とは • 可視化の分類と事例 • 情報可視化のプロセス/適用データ/応用 • 情報可視化研究の概要 • 関連分野と実例 • 自身の研究の紹介 • 関連書籍の紹介
- 8. 可視化の大まかな分類 科学的可視化 (Scientific Visualization, SciVis) • 物理的構造を持つデータの可視化 • 2次元 or 三次元にマッピング 情報可視化 (Information Visualization, InfoVis) • 物理的構造を持たないデータの可視化 • 値, 類似度, 関係などで可視化
- 9. 科学的可視化 (例) [2] R. Mazza, Introduction to information visualization. Springer Science & Business Media, 2009.
- 10. 情報可視化 (例)
- 11. 情報可視化 (例2)
- 12. 情報可視化 (例3)
- 13. 情報可視化 (例4) [3] A. Endert, P. Fiaux, C. North, Semantic interaction for visual text analytics, In CHI '12, pp. 473-482, 2012.
- 14. 一般的プロセス • データ読み込み • 前処理: 結果集計, 類似度算出, 次元削減など • 変換: レンダリングなど • 可視化: ユーザインタフェース 元データ メタ データ 可視化 対象 データ インタ フェース＋ ▷ ▷
- 15. 可視化に関与する因子 • データ構造 • Numeric Data: 売上, 金融 • Categorical Data: アンケート • Text Data: 文章, SNS, エラーログ • Graph: 人間関係 • Temporal Data: 気象, センサログ • Spatio-temporal Data: 海洋, 交通量 • データオブジェクト自体の可視化 or 構造/関係の可視化 • 分析ユーザ/対象ユーザの知識レベル
- 16. 可視化に関与する因子 • データ構造 • Numeric Data: よくある • Categorical Data: アンケート, 順序 • Text Data: 文章, SNS, エラーログ • Graph: 人間関係 • Temporal Data: 気象, センサログ • Spatio-temporal Data: 医学など • データオブジェクト自体の可視化 or 構造/関係の可視化 • 分析ユーザ/対象ユーザの知識レベル データ/ドメインごとに 適した手法を選ぶ/作る必要
- 17. 可視化の適用タスク • プレゼンテーション (InfoGraphics) • 確証的分析 • 探索的分析 (視覚的分析) • モニタリング
- 18. 研究 (論文)の種類 • Technique • Design Study • Systems (Architecture) • Evaluation • Models [4] T. Munzner, Process and pitfalls in writing information visualization research papers, Information visualization. Springer, Berlin, Heidelberg, 134-153, 2008.
- 19. Journal • IEEE Transactions on Visualization and Computer Graphics • IEEE Transactions on Computer Graphics and Applications • Computer Graphics Forum • Journal of Visualization • Visual Informatics • 可視化情報学会, 芸術科学会論文誌: SciVisより • 人工知能学会, ファジイ学会, 情報処理学会: 可視化メインじゃない [5] Top Scientific Conferences and Journals in InfoVis, https://sites.umiacs.umd.edu/elm/2016/01/21/infovis-venues/ (2018-04-17参照).
- 20. Conference • IEEE VIS, VAST, LDAV, Eurovis, PacificVis: 採択率25%ぐらい • IEEE BDVA, IVAPP, Information Visualization (IV): 30-40%ぐらい? • ACM CHI, UIST, IUI: 採択率20-25%ぐらい • ACM SIGKDD: 理論より, 採択率25%ぐらい? • ACM SIGGRAPH: CGより, 採択率-20%, Asiaもある • Web Intelligence: 採択率30-40% あまり関係ない • JSAI, SIG-AM, WI2: 弊研究室でよく出す • NICOGRAPH, インタラクション: GCとかUIより [6] Acceptance Rates of (Information) Visualization Conferences, https://eagereyes.org/acceptance-rates (2018-04-17参照).
- 21. 関連分野 • Human-Computer Interaction • Cognitive Science • Machine Learning • Data Structure, Database • 他対象ドメインの知識
- 22. Visual Analytics method for Time Series Data based on Trajectory Representation Takama Lab. Rei Takami (M1) Tokyo Metropolitan University
- 23. 背景・目的 • 時系列データ: ログデータ, SNSストリーム ▷ 機械学習への応用 ex) 良いユーザを識別する ▷ 人間による評価指標形成の必要: ex) 良いユーザって何? [7] R. Takami, Y. Takama, Proposal of Visual Analytics Interface for Time Series Data Employing Trajectory Manipulation, PacificVis’18 (poster), 2018.
- 24. 背景・目的 • 視覚的分析インタフェース: ドメイン専門家でも使用可能 • 分析対象に関する知識を発見 視覚的洞察 ▷ 仮説形成/検証 ▷知識形成 視覚的分析による時系列データの 評価指標形成を行いたい!!
- 25. 背景・目的 • 機械学習, 次元削減のモデル/パラメータ調整 ▷情報科学の知識がないと調整は困難 ▷直接操作, Semantic Interaction 直接操作に基づく視覚的分析による 時系列データの評価指標形成を行いたい!! Parameter Model Visualization
- 26. 問題点 前述の手法をそのまま時系列データに適用… 1. 時間的側面上での操作の衝突 2. 時間/空間的側面間の操作の衝突 3. 手法間のトレードオフ Animation Direct Manipulation
- 27. 提案インタフェース 散布図 詳細
- 28. 提案手法 • 軌跡に基づく可視化 ▷ 問題点1, 2 Node: Attribute value at current timePath Node: Attribute value at each time
- 29. 提案手法 • 探索モード ▷ 問題点3 分析プロセス: Animation ▷ Pause Animation: データの変化概要の把握 Pause : 洞察形成のための軌跡の探索 • モードによるインタラクションの分岐 ▷ 問題点2
- 30. 提案手法 • 凸包による可視化 ▷ 大局的/局所的傾向把握支援
- 31. 書籍
- 32. 書籍