humn의 해피코딩

본 글은 아래의 논문에 대한 개인적인 요약 리뷰입니다. 의역과 주관적인 해석이 담긴 리뷰이므로 참고 하여주시기 바랍니다.

Lee, B., Plaisant, C., Parr, C. S., Fekete, J. D., & Henry, N. (2006, May). Task taxonomy for graph visualization. In Proceedings of the 2006 AVI workshop on BEyond time and errors: novel evaluation methods for information visualization(pp. 1-5). ACM.

논문의 제목은 Task taxonomy for graph visualization. 이를 제목과 같이 '그래프 시각화 자료를 읽을 때의 작업 분류' 라고 의역하였으나 의미 전달이 모호해서 본문에서는 'task'를 '작업'으로 번역하지 않도록 하겠다.

참고로 여기서 말하는 Graph visualization이란 노드와 링크가 있는 그래프를 말한다.

본 논문을 읽기 전에 참고해야 할 논문이 있는데, R. Amar외 2명이 저술한 Low-Level Components of Analytic Activity in Information Visualization를 미리 읽어두면 도움이 된다. 그 이유는 본 논문에서 분류한 task를 R. Amar가 제시한 LOW-LEVEL TASKS로 나누어 설명하기 때문이다. R. Amar가 제시한 LOW-LEVEL TASKS는 정보 시각화에 대해 광범위하게 사용될 수 있는 분류 방식이고, 본 논문은 이를 Graph visualization라는 특정한 주제에 적용시킨 논문이라고 할 수 있다.

아래의 표는 R. Amar가 제시한 LOW-LEVEL TASKS에 본 논문에서 제시한 세가지 task를 추가한 것이다.(Scan, Set Operation, Find Adjacent Nodes)

(이후 첨부한 표들의 출처는 모두 : http://www.infovis-wiki.net/index.php?title=Tasks_Taxonomy_for_Graphs)

LOW-LEVEL TASKS

위의 LOW-LEVEL TASKS를 바탕으로, 본 논문에서는 Graph visualization을 읽을 때의 task를 크게 네 가지로, 그리고 분류에 포함되지 않는 예외적인 task들을 따로 명시했다.

Examples 열에 있는 괄호 안의 단어는 다음을 뜻한다.

Examples are illustrated using 4 types of graphs:

• (FOAF): friend-of-a-friend
• (FW): food web
• (GO): gene ontology
• (ARM): airport routing map

Topology-based Tasks

Attribute-based Tasks

Browsing Tasks

Overview Tasks

This is a compound exploratory task to get estimated values quickly. For example, we might ask users to estimate the size of the social network. Note that sometimes it is more important to be able to estimate the answer than to get an accurate one. Some of the topology tasks can be done easily using an overview of the graph as well. For example, using particular layout algorithms, it is easy to see whether or not there are clusters and connected components. Other algorithms help to find shortest paths between nodes. Overview also helps to find patterns.

Examples:

• estimate size of the network
• estimate the number of connected components
• is the network clustered?
• can you identify different patterns of connection?
• (FOAF) has the network a small-world structure?

이 논문에서는 단순히 분류 기준만을 제시했지만, 좀 더 나아가 각 task에 대해 사용자 평가를 통한 수행 시간, 피로도 등을 측정 해 보고,

이를 통해 효과적인 Graph visualization 방법에 대한 가이드라인을 제시할 수 있지 않을까 생각해본다.

본 글은 아래의 논문에 대한 개인적인 요약 리뷰입니다. 의역과 주관적인 해석이 담긴 리뷰이므로 참고 하여주시기 바랍니다.

Laramee, R. S. (2011). How to read a visualization research paper: Extracting the essentials. IEEE computer graphics and applications, 31(3), 78-82.

이 논문은 시각화(Visualization) 연구주제를 다룬 논문을 어떻게 효과적으로 읽을 수 있을 지에 대한 방법을 제시.

시각화 관련 논문을 읽을 때의 네 가지 중요 정보 :

1. 컨셉(The Concept) : 연구 목적이 무엇인가, 새로운 것은 무엇인가

2. 구현(The Implementation) : 어떻게 구현했는가, 어떻게 가설 검증하였는가

3. 관련 연구(Related Work) : 이전에 선행되었던 관련된 연구는 어떤 것인가

4. 자료 특성(Data Characteristics) : (수행한 실험에 대한 결과 값의) 차원(2D, 3D, ..), 

시간에 따라 변하는 또는 변하지 않는 데이터 값인지(time-dependant or static), 

해상도(측정한 도구의 최소 눈금 단위가 어떠한지), 

벡터량인지 스칼라 양인지 등등

컨셉(Concept)과 구현(Implementation)의 차이점 :

컨셉은 추상적인 아이디어에 그치는데 반해, 구현은 대체로 물리적으로 측정 가능한 실체가 있다.

(보통 구현 이후에는 정량적인 실험으로 이어지는게 일반적)

또한 하나의 컨셉에 대한 여러 다양한 구현 방법이 있을 수 있다.

예시)

제목 : Fast and Resolution Independent Line Integral Convolution by D. Stalling and H.-C. Hege

1. 컨셉 : 이 논문은 the Line Integral Convolution (LIC) algorithm의 더 빠른 버전을 제시

2. 구현 : streamline computations의 중복을 줄이는 방법,  streamline integrator with adaptive stepsize control 이용

3. 관련 연구 : This work builds upon and improves the original LIC algorithm

4. 자료 특성 : spatial dimensionality: 2D

temporal dimensionality: steady (static)

resolution: uniform

grid structure: uniform resolution, regular

data type: vector