在网络上叠加定量度量：三种定位与九种视觉标记技术的评估
图形学
2017-11-15 v1
摘要
我们报告了一项关于网络可视化中视觉标记与节点定位技术排序的实验结果。受先前排序研究启发，我们在数据集规模增大且标记分布于空间时重新思考该排序。中心性指标被可视化为节点属性。我们的实验研究了九种视觉标记与三种定位方法。结果表明，与先前结果相比，量的直接编码将准确度提高了约20%。在三种定位技术中，圆形定位始终位于顶尖组，而矩阵与投影定位的顺序随两个因素切换：任务是否要求对称性，或节点是否紧密邻近。在针对比较任务的视觉标记排序中最有趣的结果包括：色相与面积在几乎所有多尺度比较任务中落入顶尖组；形状（按曲率排序）或许不如我们曾认为的可扩展，且仅当比较两个量时能支持更准确的回答；明度与斜率在所有尺度的比较任务中定量比较准确度最低。我们的实验是首批获得不同尺度下比较任务视觉标记排序完整图景的实验之一。
引用
@article{arxiv.1711.04419,
title = {Overlaying Quantitative Measurement on Networks: An Evaluation of Three Positioning and Nine Visual Marker Techniques},
author = {Guohao Zhang and Alexander P. Auchus and Peter Kochunov and Niklas Elmqvist and Jian Chen},
journal= {arXiv preprint arXiv:1711.04419},
year = {2017}
}