AceMap学术地图与AceKG学术知识图谱——学术数据可视化

学术大数据能为科研人员提供信息上的帮助.针对传统学术搜索引擎只提供搜索结果而不进行分析的情况,基于AceMap提出的学术地图的概念,设计了多种类型的学术地图,将学术信息可视化地展现给用户.针对SQL数据库多表联合查询的形式不利于生成用户定制的学术地图的问题,提出将其以三元组的形式储存为知识图谱AceKG.该方法有助于用户定制地图、异构地图绘制功能的实现,并且能通过嵌入算法为各种类型的实体生成相关性地图.通过对学术数据的可视化展示,能使用户更直观地了解到感兴趣的学术内容,提高了学术平台的实用性.     

信息可视化研究综述

信息可视化是可视化技术在非空间数据领域的应用,可以增强数据呈现效果,让用户以直观交互的方式实现对数据的观察和浏览,从而发现数据中隐藏的特征、关系和模式。可视化应用非常广泛,主要涉及领域:数据挖掘可视化、网络数据可视化、社交可视化、交通可视化、文本可视化、生物医药可视化等等。根据CARD可视化模型可以将信息可视化的过程分为以下几个阶段:数据预处理;绘制;显示和交互。根据SHNEIDERMAN的分类,信息可视化的数据分为以下几类:一维数据、二维数据、三维数据、多维数据、时态数据、层次数据和网络数据。其中针对后4种数据的可视化是当前研究的热点。多维数据可视化方法主要包括基于几何的方法、图标方法和动画方法等。基于几何的可视化方式中最经典的就是"平行坐标系"方法。平行坐标系(parallel coordinates)使用平行的竖直轴线来代表维度,通过在轴上刻划多维数据的数值并用折线相连某一数据项在所有轴上的坐标点展示多维数据。平行坐标系方法能够简洁、快速地展示多维数据,发展出很多改进技术。但是当数据集的规模变得非常大时,密集的折线会引起"视觉混淆"(visual clutter),处理方法包括维度重排、交互方法、聚类、过滤、动画等。其他基于几何的方法包括Radviz方法使用圆形坐标系展示可视化结果;散点图矩阵(scatter plot matrix)将多维数据中的各个维度两两组合绘制成一系列的按规律排列的散点图。基于图标的可视化方法用具备可视特征的几何形状如大小、长度、形状、颜色等刻划数据,代表性的方法包括星绘法和Chernoff面法等。动画方法用于可视化中可被用来提高交互性和理解程度,其缺点包括可能分散注意力、引起用户的误解、产生"图表垃圾"等。时间序列数据是指具有时间属性的数据集,针对时间序列数据的可视化方法如下:线形图、堆积图、动画、地平线图、时间线。层次数据具有等级或层级关系。层次数据的可视化方法主要包括节点链接图和树图2种方式。其中树图(treemap)由一系列的嵌套环、块来展示层次数据。为了能展示更多的节点内容,一些基于"焦点+上下文"技术的交互方法被开发出来。包括"鱼眼"技术、几何变形、语义缩放、远离焦点的节点聚类技术等。网络数据具有网状结构。自动布局算法是网络数据可视化的核心,目前主要有以下3类:一是力导向布局(force-directed layout);二是分层布局(hierarchical layout);三是网格布局(grid layout)。当数据节点的连接很多时,容易产生边交叉现象,导致视觉混淆。解决边交叉现象的集束边(edge bundle)技术可以分为以下几类:力导向的集束边技术、层次集束边技术、基于几何的边聚类技术、多层凝聚集束边技术和基于网格的方法等。其他研究热点包括图形的视觉因素研究、自适应可视化研究、可视化效果的评估等。视觉因素对于可视化效果的影响,如位置、长度、面积、形状、色彩等影响已经引起很多研究者的注意。色彩是视觉因素的重要组成部分,研究主要集中在颜色选择的原则和交互系统中。这些原则基于数据类型、类的数量、认知约束等。自适应可视化可以提高信息可视化的适应性。研究成果分为以下几类:自适应可视化展示、自适应资源模型、自适应用户模型。自适应可视化展示是指根据用户的特征自动为用户提供多种展示类型,自动选择可视化内容及布局的形式,自动调整可视化的元素等。自适应资源模型反映了对硬件和软件的利用以提高可视化性能。自适应用户模型通过显示用户模型的内容并让用户能够编辑,从而让用户能够控制模型的内容。当前关于信息可视化评价的研究较少,少量研究也没有提出直接和通用的可视化的评估方式,需要对信息可视化评价的理论基础、方法和应用做深入的研究。可视化技术与应用还应该继续向以下4个方面努力:直观化、关联化、艺术化、交互化。信息可视化技术的发展方向是协同(collaboration)、分析过程(analytics)、计算(computational)和意会(sense-making)。未来研究方向可以包括以下几个内容。信息可视化和数据挖掘的紧密结合。为提高处理海量数据时的速度和效率和解决视觉混淆现象;必须运用数据挖掘的公式和算法,对数据分析的过程及结果进行可视化展现。协同可视化。协同可视化领域的研究方向可以包括可视化接口设计、基于Web的可视化协同平台开发、协同可视化工作的视图设计、协同可视化中的工作流管理及协同可视化技术的应用等。更多领域的应用技术开发。包括统计可视化:需要研究使用几何、动画、图像等工具对数据统计的过程和结果进行加工和处理的技术;新闻可视化:对新闻内容进行抓取、清洗和提取和可视化展示;社交网络可视化:可视化方式显示社交网络的数据,对社交网络中节点、关系及时空数据的集成展示。搜索日志可视化:针对在使用搜索引擎时产生的海量搜索日志,可视化的展现用户的搜索行为、关系和模式等。     

让信息“活”起来

信息可视化是计算机科学的新兴分支之一,主要利用图形图像技术对大规模数据进行可视化表示,以增强用户对数据更深层次的认知。从事信息可视化研究的张之益研究员,为虚拟世界带来更多"真实"。     

面向复杂异构网络环境的服务聚合系统

提出并实现了服务聚合系统(service mashup,SMU),结合服务聚合技术在复杂异构网络环境下提出服务聚合方法,以解决当前复杂异构的网络环境下服务信息聚合过程中的信息交互、集成和处理等方面的问题,满足日益增长的多层次和多角色的用户服务应用的需求.该系统实现了一套复杂异构网络环境下的服务搜索发现、解析以及聚合机制,允许用户使用关键字搜索发现服务,通过可视化开发工具聚合服务形成个性化应用.系统测试与实验结果表明:当用户并发请求数量在200～300之间时服务吞吐率达到峰值,异步请求服务加载时间在ms级别完成,达到了用户快速体验服务应用的目的.     

数据可视化研究综述

数据可视化对于从海量数据中发现规律、增强数据表现、提升交互效率具有重要作用。目前,数据可视化的概念及相关研究领域不断扩展,就数据类型而言,可视化研究逐渐聚焦于多维数据、时序数据、网络数据和层次化数据等领域。通过对中国知网（CNKI）中外文文献进行分析可知：2014年、2015年是数据可视化领域研究热度升级、理论成果大量产出的“里程碑”式年份;中国大数据领域研究热潮形成后,数据可视化是迅速发展的一个重要支撑领域;国内外数据可视化领域的研究,在时间上基本同步,而武汉大学、浙江大学、北京邮电大学、国防科技大学、电子科技大学等都是在该领域研究活跃度较高的国内高校。要获得良好的视觉效果,帮助用户降低理解难度,高效分析数据和洞悉价值,通常还需要注意色彩与语义、突出核心数据、防止数据过载、防止思维过度发散等技术要点。现有的数据可视化技术主要分为基于几何技术、基于图标技术、基于降维技术、面向像素技术、基于时间序列技术、基于网络数据技术的数据可视化方法,以及层次可视化技术和分布技术等。基于几何技术的可视化方法,包括平行坐标、散点图矩阵、Andrews曲线等。基于坐标的可视化方法,可以清晰展示变量间的关系,但受限于屏幕尺寸,当数据维度超过3个时,难以直观显示全部维度,需要结合人机交互技术进行展示,适用于表达不同维度之间的相关关系,比如学生学习行为之间的关联关系等。基于图标的可视化方法,主要包括星绘法和Chernoff面法,以几何图形作为图标刻画多维数据,直观反映出图标各个维度所表示的意义,适用于工作完成情况、激励工作进度概览等。基于降维技术的可视化方法,根据维度属性确定点的坐标,在保持数据关系不变的前提下映射到低维可视空间中,主要涉及主成分分析、自组织映射、等距映射等。基于时间序列的可视化方法,是一种显示数据间相互关系和影响程度的可视化方法,主要包含线形图、堆积图、地平线图等,随着时间发展采集相应数据,并利用上述3类可视化方法进行呈现,适用于表示信息数据流动和变化状态,如不同时间段成绩流向趋势分布、主题概念的变迁等。基于网络数据的可视化方法,核心是自动布局算法,通过自动布局与计算绘制成网状结构图形,主要有力导向布局、圆形布局、网格布局等,常用来表示大规模社交网络结构,适用于活跃度分析、引文关系展现等。层次可视化技术,主要包括节点链接、空间填充、混合方法等,通过绘制不同形状的节点和包围框来表示层次结构的数据,适用于表示群组成员间交互关系的发现和挖掘,如在线协作员工之间的交互。基于CNKI,通过对数据可视化研究情况的分析,提出数据可视化研究过程中的注意点,指出数据可视化需要重点考虑色彩的匹配,在色彩与数据内容的重要度之间建立关联;可视化方案应在满足业务需求的基础上以业务逻辑为依据,合理组合与应用相关可视化技术;统一的可视化风格有助于提升人们理解数据的连贯性、一致性和效率,兼顾用户的审美要求,在风格与色彩之间建立合理的匹配关系;数据可视化应以实用、合理、高效地表现关键过程、关键目标、关键结果为主要面向。此外,对可视化应用实例Echarts展开综述,包括Echarts 交互组件（markPoint和markLine标注点组件、dataZoom区域组件、图例交互组件）在可视化中的应用,以及动态数据绘制等。最后,对可视化存在的挑战以及未来研究方向进行了分析和展望,指出虚拟现实、可视化系统和数据分析是可视化未来的研究方向,其应用热点领域还包括统计可视化、新闻可视化、思维可视化、社交网络可视化和搜索日志可视化等。     

基于网络流量数据的多视图协同交互可视分析系统

网络安全可视化通过提供有效的信息可视化工具将抽象的网络和系统数据以图形图像的方式展示出来,帮助分析人员理解分析网络状况、识别网络异常、发现攻击行为。在研究网络安全可视化技术的基础上,从流量数据出发,从可视分析角度入手,设计并实现了针对网络流量数据的多视图协同交互的可视分析系统。该系统通过提供多视图、多层次、多角度的数据展示与交互分析来识别网络流量数据中的网络异常,使复杂的网络数据更加生动形象地展示在用户面前,便于用户理解分析网络流量情况,辅助用户做出正确决策。     

互联网学术信息可信性评价判据研究

利用观察、有声思考、搜索日志和内容分析法, 探讨了用户在实际的互联网学术信息查寻中评价信息可信性的判据。研究发现, 信息内容和来源等外部特征两个方面的判据是用户评价互联网学术信息可信性的常用判据。用户主要使用哪个方面的判据受评价动机的影响, 高动机和低动机情景下的评价判据存在差异。实践层面上, 研究结论对提高学术信息服务质量具有现实意义; 理论层面上, 为下一步实际的信息查寻环境下互联网学术信息可信性的影响因素研究提供指导。     

旅游评论多维度分析及可视化的研究

通过大数据技术对海量的用户贡献内容构建数据分析系统框架,以酒店为例,进行多维度分析及可视化应用。基于TripAdvisor网站的列表和点评信息,通过分布式爬虫框架爬取所需的数据,经过数据预处理,采用分布式文件系统存储数据,在此基础上运用统计建模及自然语言处理方法进行数据分析研究,借助第三方框架对分析结果进行可视化。研究者在使用该框架时,可以根据自身需求从多个维度进行数据分析及可视化应用。该框架能够有效地对旅游评论大数据进行多维度的统计分析,进而为旅游相关人员提供基于旅游评论大数据的参考信息。     

园区电力数据可视分析系统

将可视化分析技术应用于电力系统可以有效地解决电力系统发展带来的海量数据分析及显示等问题。文章介绍了数据可视化技术在电力系统中的研究和应用,针对电网企业数据和已有的分析手段,并结合园区电力系统分析需求提出一种支持用户交互式探索的可视分析系统框架;基于此提出了园区电力数据可视分析原型系统,支持在浏览器中或其他显示和交互设备上使用。案例分析表明,该系统可以全方面地展现园区内的供用电数据以及资源建设等信息,帮助供电部门综合多种电力数据进行分析。     

Google学术搜索与读秀学术搜索引擎的比较研究

Google学术搜索与读秀学术搜索是目前两个常用的学术方面专业搜索引擎,本文从两者的信息来源、检索功能、检索结果的处理、个性化服务、整合及管理功能等方面进行细致地比较,以期为用户充分利用学术信息资源提供帮助     

可视化数据挖掘技术

通过对可视化数据挖掘进行分类和总结,提出将可视化数据类型和可视化与数据挖掘结合的思想。由于可视化数据挖掘的优势是用户能直接参与数据挖掘过程,通过对挖掘过程中各个阶段反馈的信息可视化结果的分析,用户可以将领域知识和数据挖掘算法有效地结合在一起,完成用户和算法的交互。因此,可视化数据挖掘技术将成为今后数据挖掘领域中研究的热点。     

可视化和可视化分析学

可视化就是把数据、信息和知识转化为可视的表示形式的过程。一般来讲,可视化可分为数据可视化、科学计算可视化、信息可视化和知识可视化。可视化可以看做是人类与计算机这两个信息处理系统之间的一个接口单元。本文在给出可视化定义基础上,简要介绍了国际近年出现的可视化分析学情况,讨论了可视化在数据挖掘、复杂网络等领域的应用。最后指出了可视化研究存在的问题和重要发展方向。     

社交媒体数据可视化分析综述

社交媒体的出现为人类提供了新的交流方式,同时也产生了大量的数据。这些数据蕴含着丰富的信息,也反映了人类的社会行为。利用可视化分析技术可以对社交媒体数据进行交互式分析,提高人类对抽象信息的理解和综合研判能力。本文首先介绍了可视化分析的步骤。在此基础上,阐述了社交网络可视化、时空信息可视化和文本可视化的实现方式。最后,对可视化分析过程中遇到的问题和挑战进行了讨论。     

MapInfo中信息可视化技术在工程勘察中的应用

针对常规的工程勘察制图软件在实际应用中的灵活性与所能包含的信息量方面存在缺陷的问题。将MapInfo中的信息可视化技术引入到工程勘察的信息处理中。不仅能实现对空间和属性数据进行管理，而且能以可视化的图表、地图及相关曲线显示数据。通过对信息可视化技术的需求分析。提出了信息可视化的实现途径。通过运用MapInfo的OLE(Object Linding and Embedding)Automation技术实现了H市工程勘察信息系统资料的可视化，克服了常规软件的局限性。同时，还为工程勘察资料的整理提供了新的方法。     

通信网络关联信息可视化

针对日益复杂的通信网络,设计了一种对网络中关联信息进行可视化的方法。该方法以可视化分析学为依据,利用人类对于视觉信息理解与分析能力强的优势,通过对数据进行分析,完成对通信对象关联与属性分析的可视化表示,放大人类对数据的感知与认识。通过该方法,可以在不损失信息原有内容的同时,对大规模数据进行形象的、易接受的可视化表示,便于在短时间内发现感兴趣信息。     

地理信息可视化研究

地理信息可视化是可视化发展的方向之一。通过对地理信息的概念和运动模型的分析，并从可视化的定义出发，总结了地理信息可视化的特点，同时提出了地理信息可视化研究的一个基本框架。最后针对地理信息系统中的可视化过程进行了描述。     

面向电子档案大数据的可视化组织与分析

电子档案发展至今已经积累到大数据状态,数据可视化成为解决电子档案管理问题的主要方法。根据以上描述,提出面向电子档案大数据的可视化组织与分析新方法。所提新方法将瓦片模型用于进行电子档案大数据可视化组织工作,借助瓦片图层的金字塔结构与矢量特征建立可视化组织结构。讨论了电子档案大数据编码方法与矢量瓦片可视化绘图流程,提高了可视化组织工作的准确性与效率。依次通过可视化图层捕获、非关系数据存储、数据流处理、已处理数据读取、分析结果显示以及图层更新,进行电子档案大数据可视化分析。实验结果显示,所提新方法的可视化效果优异,大数据读取效率较高。     

面向MOOC的知识可视化视觉表征与建模设计

针对MOOC学习缺乏深度的现象,提出了面向MOOC的知识可视化视觉表征与建模设计.剖析了MOOC学习缺乏深度的主要问题和信息加工的内在要求,厘清了知识可视化、表征、建模等基本概念;在借鉴了视觉传播取向和信息论视角的知识表征基础上,提出了面向MOOC的视觉表征框架;在此框架下,分别从语义、语用、语法信息三要素着手,阐释了具体的分析方法.在语义上,基于Bloom教学目标分类法确定知识的类型、提取过程和表征方法;在语用上,陈述了信息有效传达的基本原则;在语法上,介绍了具体的结构模型和可视化方法.实践证明,MOOC的学习者在表征框架下,能增强认知联结、拓展广度、增加深度,从而满足深度学习的诉求.