LitStoryTeller+: an interactive system for multi-level scientific paper visual storytelling with a supportive text mining toolbox
LitStoryTeller+: an interactive system for multi-level scientific paper visual storytelling with a supportive text mining toolbox
复制标题
LitStoryTeller：一个用于多层次科学论文视觉叙事的交互式系统，具有支持性文本挖掘工具箱
DOI：
10.1007/s11192-018-2803-x
复制
发表时间：
2018
期刊：
影响因子：
3.9
通讯作者：
Chen, Chaomei
中科院分区：
文献类型：
--
作者：
Ping, Qing;Chen, Chaomei
科学出版物的持续增长对研究人员提出了双重挑战，不仅要掌握科学领域的整体研究趋势，还要深入研究核心论文集中的研究细节。现有的科学地图工作提供了多种工具，在宏观层面上可视化领域的研究趋势，并从数字人文的工作提出了文本可视化的文件，主题，句子和单词在微观层面上。然而，现有的微观层面的文本可视化不是为科学论文语料库量身定制的，并且不能支持中观层面的科学阅读，其在向下钻取到单个论文之前基于其研究进展对齐一组核心论文。为了弥合这一差距，本文提出了LitStoryTeller+，一个交互式系统下的统一框架，可以支持中观层次和微观层次的科学论文视觉讲故事。更具体地说，我们使用实体（概念和术语）作为基本的视觉元素，并将实体故事情节在论文中可视化，并在论文中借用屏幕游戏中的隐喻。为了识别实体和实体社区，执行命名实体识别和社区检测。我们还采用了各种文本挖掘方法，如提取文本摘要和比较句子分类，以提供丰富的文本信息补充我们的可视化。我们还提出了一个自上而下的故事阅读策略，最好地利用我们的系统。两个全面的假设walkeries探索文件从计算机科学领域和历史领域与我们的系统证明了我们的故事阅读策略的有效性和LitStoryTeller+的有用性。
The continuing growth of scientific publications has posed a double-challenge to researchers, to not only grasp the overall research trends in a scientific domain, but also get down to research details embedded in a collection of core papers. Existing work on science mapping provides multiple tools to visualize research trends in domain on macro-level, and work from the digital humanities have proposed text visualization of documents, topics, sentences, and words on micro-level. However, existing micro-level text visualizations are not tailored for scientific paper corpus, and cannot support meso-level scientific reading, which aligns a set of core papers based on their research progress, before drilling down to individual papers. To bridge this gap, the present paper proposes LitStoryTeller+, an interactive system under a unified framework that can support both meso-level and micro-level scientific paper visual storytelling. More specifically, we use entities (concepts and terminologies) as basic visual elements, and visualize entity storylines across papers and within a paper borrowing metaphors from screen play. To identify entities and entity communities, named entity recognition and community detection are performed. We also employ a variety of text mining methods such as extractive text summarization and comparative sentence classification to provide rich textual information supplementary to our visualizations. We also propose a top-down story-reading strategy that best takes advantage of our system. Two comprehensive hypothetical walkthroughs to explore documents from the computer science domain and history domain with our system demonstrate the effectiveness of our story-reading strategy and the usefulness of LitStoryTeller+.
登录
查看更多内容
影响因子：
2.5
作者：
Correll, M.;Witmore, M.;Gleicher, M.
通讯作者：
Gleicher, M.
DOI：
10.1073/pnas.0307752101
发表时间：
2004-04-06
影响因子：
11.1
作者：
Griffiths, TL;Steyvers, M
通讯作者：
Steyvers, M
DOI：
10.1002/asi.v57:3
发表时间：
2006-02
影响因子：
3.5
作者：
Chaomei Chen
通讯作者：
Chaomei Chen
VarifocalReader — 大型文本文档的深入可视化分析
DOI：
10.1109/tvcg.2014.2346677
发表时间：
2014
影响因子：
5.2
作者：
Steffen Koch;M. John;Michael Wörner;Andreas Müller;Thomas Ertl
通讯作者：
Thomas Ertl
影响因子：
5
作者：
Erkan, G;Radev, DR
通讯作者：
Radev, DR