作者
香港科技大学
- Yanhong Wu
- Naveen Pitipornvivat
- Huamin Qu
Autodesk Research
- Jian Zhao
华为
- Sixiao Yang
- Guowei Huang
摘要
自我网络是社会网络分析中的一个重要研究对象，它代表特定个体(即自我)和与之相关的人(即改变者)之间的关系。自我网络随时间演变的模式为社会学、人类学和心理学等许多领域提供了巨大的洞察力。然而，对动态自我网络的分析仍然具有挑战性，因为它具有复杂的时变图结构，例如:变化来了又走，联系变得更强又消失，以及变化的社区合并和分裂。现有的大多数动态图形可视化技术主要关注整个网络的拓扑变化，这对于以自我为中心的分析任务是不够的。在这篇论文中，我们介绍了一个用于探索和比较动态自我网络的可视化分析系统——egoSlider。egoSlider 通过多个交互协调的视图提供了数据的整体图像，揭示了三个不同层次的自我网络演化模式:宏观层次用于总结整个自我网络数据，中观层次用于概述特定个体的自我网络演化，微观层次用于显示自我及其变化的详细时间信息。我们用 DBLP 出版记录的一个使用场景演示了egoSlider的有效性。此外，一项受控制的用户研究表明，在完成以自我为中心的分析任务方面，一般来说，egoSlider优于动态网络的基线可视化。
Introduction
贡献：
- 一个名为“egoSlider”的交互式可视化系统，使用户能够探索、比较和分析动态的自我网络演化趋势和模式；
- 用于总结自我网络关键特征的新颖glyph设计，以及用于跟踪“ego-alter”连接强度和"alter-alter"关系结构变化的新时间线可视化；
- 真实数据集和受控用户研究的使用场景，展示了电子滑块的有效性和实用性。
Related Work
- Egocentric Network Analysis
- Dynamic Network Visualization
Analytical Questions
宏观：
- 一大群人在每个时间步的自我网络的整体模式是什么？
- 一大群人的自我网络的演化趋势是什么？
中观：
- 随着时间的推移，不同人的自我网络有什么相似之处？
- 在一个特定的时间步，多人的自我网络有什么不同？
微观：
- 一个自我的1度或2度改变的数量是如何随时间变化的？
- 自我和它的改变之间的联系强度是如何随着时间演变的？
- 随着时间的推移，自我的改变是如何联系在一起的？
- 新关系是如何形成的？
System Overview
Data Analysis
metrics:
- Number of alters of the ego u
- Density (or clustering coefficient) of the ego u’s ego-network
- Average tie strength (or weight) between the ego u and its alters
- Number of edges between the alters of the ego u
- Number of 2-degree alters of the ego u
- Average alter number of the alters’ themselves ego-networks
- Number of outgoing edges from the ego u’s ego-network
Visual Design
User Interactions:
- Navigating through multiple views
- Filtering and searching
- Synchronizing and desynchronizing timeline
- Modifying alters’ color-coding and/or positioning
- Highlighting and brushing
Evaluation
Usage Scenario: DBLP Collaboration Network
User Study
Discussion
egoSlider 有学习曲线，用户需要在开始探索之前熟悉视觉编码。
为了提高egoSlider的可用性，需要提供更清晰的视觉提示。
还可以探索不同ego在时间上的相似性，例如用户可能想要分析两个个体是否共享相似的演化路径，可以采用DTW
可以结合其他潜在的分析方法来增强egoSlider探索更大数据集的能力，例如自我排名或其他数据挖掘算法。
连接线的混乱可以应用边绑定技术得到部分解决。
眼球追踪设备可以用来进一步了解使用egoSlider浏览数据时的详细用户行为。
可伸缩性有待提高。
Conclusion and Future Work
我们已经介绍了 egoSlider，一个用于分析动态自我网络数据的可视化系统，它结合了许多新的视觉编码和三个交互式可视化视图，以解决不同层次的自我网络分析问题。支持丰富的交互集，允许通过三个视图进行灵活的视觉探索。我们还用真实数据集和对照研究描述了一个全面的使用场景。结果表明，egoSlider 在动态自我网络分析中是有效的，在许多分析任务中优于基线可视化。
在未来，我们计划嵌入一些分析方法来检查人们自我网络序列之间的相似性，并检测自我网络演化的趋
势和异常。我们还想结合多元可视化技术，以显示更多的自我和改变属性，以及当前系统的几个扩展在
第八节中讨论。此外，我们的目标是用各种自我网络数据集进行更现实的案例研究和用户研究，以进一
步检验egoSlider的有效性。