情報可視化の研究に関する説明と, 自身の研究内容を新入生向けに説明したスライドです

1. Information
Visualization
Takama Lab. Rei Takami (M1)
Tokyo Metropolitan University

2. 可視化とは

3. 可視化とは

4. 可視化とは
技術によって、
現象/関係性を
見えるようにする
(判断を下すのは人間)

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