时序事件序列的清晰视觉分离
人机交互
2017-10-18 v1
摘要
随着数据量和种类的增加，从时序事件序列中提取和可视化有价值的见解变得越来越困难。除了处理高事件类型基数和大量不同序列外，很难判断是将多个事件合并为一个合适，还是利用关于事件属性的额外信息。现有方法通常利用从数据集中提取的频繁序列模式，然而这些模式在可解释性和实用性方面存在局限。此外，在使用模式挖掘技术时，很难评估绝对时间和相对时间的作用。在本文中，我们提出了一些方法来解决这些挑战，通过自动学习复合事件，从而实现对多个事件序列更好的聚合。通过利用事件序列结果，我们提出了适当的关联可视化，使领域专家能够识别关键流程、评估有效性并理解时间的作用。此外，我们探索了信息增益和视觉复杂度指标，以识别最相关的视觉模式。我们使用来自与丹麦商业管理局 ongoing 项目的真实企业事件数据，将复合事件学习与两种事件模式提取方法进行了比较。
引用
@article{arxiv.1710.06291,
title = {Clear Visual Separation of Temporal Event Sequences},
author = {Andreas Mathisen and Kaj Grønbæk},
journal= {arXiv preprint arXiv:1710.06291},
year = {2017}
}
备注
In Proceedings of the 3rd IEEE Symposium on Visualization in Data Science (VDS), 2017