一种用于对比网络分析的可视分析框架
社会与信息网络
2020-08-18 v2 图形学
人机交互
机器学习
摘要
一项常见的网络分析任务是将两个网络进行比较，以识别一个网络相对于另一个网络的独特特征。例如，当比较源自正常与癌症组织的蛋白相互作用网络时，一项关键任务是发现癌症组织特有的蛋白-蛋白相互作用。然而，当网络包含复杂的结构（及语义）关系时，该任务具有挑战性。为解决此问题，我们设计了 ContraNA，一种可视分析框架，它同时利用机器学习揭示网络中的独特特征，以及可视化在理解此类独特性上的有效性。ContraNA 的基础是 cNRL，其集成了网络表示学习（NRL）与对比学习（CL）两种机器学习方案，以生成低维嵌入，揭示一个网络相较于另一个网络的独特性。ContraNA 提供交互式可视化界面，通过将嵌入结果与网络结构相关联并解释 cNRL 所学特征，来辅助分析独特性。我们用基于真实世界数据集的两个案例研究展示了 ContraNA 的实用性，并通过一项有 12 名参与者进行的受控用户研究评估了其在网络比较任务上的表现。结果表明，参与者既能从复杂网络中有效识别独特特征，也能解释 cNRL 所得结果。
引用
@article{arxiv.2008.00151,
title = {A Visual Analytics Framework for Contrastive Network Analysis},
author = {Takanori Fujiwara and Jian Zhao and Francine Chen and Kwan-Liu Ma},
journal= {arXiv preprint arXiv:2008.00151},
year = {2020}
}
备注
To appear in IEEE Conference on Visual Analytics Science and Technology (VAST) 2020