用网络假设结果图（NetHOPs）可视化概率图中的不确定性
人机交互
2021-08-24 v1 社会与信息网络
摘要
概率图使用传统的节点-链接图进行可视化具有挑战性。使用宽度或模糊度等视觉变量编码边概率，使得静态网络可视化的用户难以在不确定性下估计密度、孤立点、路径长度或聚类等网络统计量。我们引入网络假设结果图（NetHOPs），一种将采自由概率边定义的网络分布的一系列网络实现进行动画化的可视化技术。NetHOPs 采用动态与纵向图绘制中使用的聚合与锚定算法，以参数化布局稳定性用于不确定性估计。我们提出一种社区匹配算法，以支持可视化聚类隶属度与社区出现的不确定性。我们描述了一项研究的结果，其中 51 位网络专家使用 NetHOPs 完成一组常见视觉分析任务，并报告了他们如何在受不确定性影响时感知网络结构与属性。参与者的估计平均落在真实统计值的 11% 以内，表明 NetHOPs 可成为使网络分析者能在不确定性下推理多种属性的合理方法。当参与者能够操控布局锚定与动画速度时，他们似乎略微更准确地表述了网络统计量的分布。基于这些发现，我们综合了用于开发和使用概率网络动画可视化的设计建议。
引用
@article{arxiv.2108.09870,
title = {Visualizing Uncertainty in Probabilistic Graphs with Network Hypothetical Outcome Plots (NetHOPs)},
author = {Dongping Zhang and Eytan Adar and Jessica Hullman},
journal= {arXiv preprint arXiv:2108.09870},
year = {2021}
}
备注
9 pages, 10 figures, 1 table. Accepted by IEEE VIS 2021