Múltiplas visões coordenadas baseadas em similaridade e diversidade

Abstract

Com o avanço da tecnologia, o volume e as dimensões de dados provenientes de diferentes naturezas tem aumentado consideravelmente. Nesse cenário, diversas técnicas de visualização de informação, que abordam diferentes tipos, estruturações e dimensionalidades de dados, têm surgido e obtido destaque, apoiando diversas áreas do conhecimento, por meio de representações gráficas que oferecem uma visão ampla e geral dos dados, permitindo a sua análise e compreensão de maneira eficiente. Dessa maneira, Múltiplas Visões Coordenadas têm sido utilizada para tratar a conexão entre as diferentes técnicas de visualização, permitindo associá-las e manipulá-las mais produtivamente, ampliando a percepção do usuário em relação ao conjunto de dados, seus relacionamentos e significados. Neste trabalho, são desenvolvidas novas técnicas de coordenação, sobretudo para dados complexos, aplicando o conceito de similaridade, que permite comparar dados mediante o seu conteúdo, e de diversidade, que na recuperação de dados por similaridade, coopera para que o conjunto de resposta seja relevante e efetivo para o usuário, acrescentando um nível de diversificação entre eles. Por meio da coordenação entre as visões é possível analisar as técnicas de diversidade diretamente nas representações gráficas, verificando os conjuntos de dados como um todo e a vizinhança de seus elementos, apoiando a tarefa de definição de um parâmetro de diversificação adequado. Também são apresentados os experimentos realizados em cenários distintos, aplicando diferentes conjunto de dados, métricas de distância e parâmetros de diversidade, para a análise e comparação das técnicas, de acordo com a resposta alcançada e no contexto exploratório da coordenação entre as visões.

With technology advancement, the data volume and dimensions coming from di˙erent natures has increased considerably. In this scenario, several information visualization techniques, which deal with di˙erent types, structures and data dimensionalities, have arisen and obtained prominence, supporting several knowledge areas, through graphical representations that o˙er a broad and general data view, allowing the their analysis and understanding eÿciently. In this way, Coordinated and Multiple Views have been used to treat the connection between the di˙erent visualization techniques, allowing them to be associated and manipulated more productively, increasing the user’s perception regarding the data set, their relationships and meanings. In this work, new coordination techniques are developed, especially for complex data, applying the similarity concept, which allows to compare data through its content, and diversity, which in the data recovery by similarity, cooperates so that the response set is relevant and e˙ective for the user, adding a level of diversification among them. Through the coordination between visions it is possible to analyze the diversity techniques directly in the graphical representations, checking the datasets as a whole and the neighborhood of their elements, supporting the task of defining an appropriate diversification parameter. We also present the experiments performed in di˙erent scenarios, applying di˙erent datasets, distance metrics and diversity parameters, for the techniques analysis and comparison, according to the response achieved and in the exploratory context of the coordinated views.