InfiniViz：基于渐进式分箱细化的交互式可视化探索
数据库
2017-10-06 v1
摘要
交互式可视化可通过近乎即时的反馈加速数据分析循环。为实现交互性，通常采用数据立方体和采样等技术。虽然数据立方体可以加速中等规模数据集的查询，但由于物化数据立方体的尺寸，它们在更大规模下效率低下。另一方面，虽然采样有助于扩展到大规模数据集，但它会在过程中引入采样误差及相关问题。虽然通过查看更多数据来提高准确性有时可能很有价值，但如果结果细节不传递额外的重要信息，提供这些细枝末节或许并无必要。事实上，此类细节不仅产生更高的计算成本，还会以无价值的琐碎信息加重分析师的认知负担。为同时降低计算和认知开销，我们引入了 InfiniViz。通过一种新颖的基于结果细化的查询范式，InfiniViz 通过随时间逐步提高分箱分辨率，为大规模数据集提供无误差的结果。通过在真实和基准数据集上的真实与模拟工作负载，我们评估并展示了 InfiniViz 在降低认知和计算成本的同时最小化信息损失方面的效用。
引用
@article{arxiv.1710.01854,
title = {InfiniViz: Interactive Visual Exploration using Progressive Bin Refinement},
author = {Niranjan Kamat and Arnab Nandi},
journal= {arXiv preprint arXiv:1710.01854},
year = {2017}
}