Visualizing Uncertainty in Probabilistic Graphs with Network Hypothetical Outcome Plots (NetHOPs)
Visualizing Uncertainty in Probabilistic Graphs with Network Hypothetical Outcome Plots (NetHOPs)
复制标题
使用网络假设结果图 (NetHOP) 可视化概率图中的不确定性
DOI：
10.1109/tvcg.2021.3114679
复制
发表时间：
2022
影响因子：
5.2
通讯作者：
Hullman, Jessica
中科院分区：
文献类型：
--
作者：
Zhang, Dongping;Adar, Eytan;Hullman, Jessica
使用传统的节点链接图来可视化概率图是具有挑战性的。使用宽度或模糊度等视觉变量对边缘概率进行编码，使得静态网络可视化的用户难以估计网络统计数据，如密度，隔离，路径长度或不确定性下的聚类。我们介绍网络假设结果图（NetHOPs），一种可视化技术，动画的网络实现序列从网络分布定义的概率边缘采样。NetHOPs采用动态和纵向图形绘制中使用的聚合和锚定算法来参数化布局稳定性，以进行不确定性估计。我们提出了一个社区匹配算法，使可视化的不确定性的集群成员和社区发生。我们描述了一项研究的结果，其中51个网络专家使用NetHOPs完成了一组常见的视觉分析任务，并报告了他们如何感知网络结构和属性的不确定性。参与者的估计值平均在地面实况统计数据的11%以内，这表明NetHOPs可以成为一种合理的方法，使网络分析师能够在不确定性下对多个属性进行推理。当参与者可以操纵布局锚定和动画速度时，他们似乎更准确地表达了网络统计数据的分布。基于这些研究结果，我们综合了概率网络的开发和使用动画可视化的设计建议。
Probabilistic graphs are challenging to visualize using the traditional node-link diagram. Encoding edge probability using visual variables like width or fuzziness makes it difficult for users of static network visualizations to estimate network statistics like densities, isolates, path lengths, or clustering under uncertainty. We introduce Network Hypothetical Outcome Plots (NetHOPs), a visualization technique that animates a sequence of network realizations sampled from a network distribution defined by probabilistic edges. NetHOPs employ an aggregation and anchoring algorithm used in dynamic and longitudinal graph drawing to parameterize layout stability for uncertainty estimation. We present a community matching algorithm to enable visualizing the uncertainty of cluster membership and community occurrence. We describe the results of a study in which 51 network experts used NetHOPs to complete a set of common visual analysis tasks and reported how they perceived network structures and properties subject to uncertainty. Participants' estimates fell, on average, within 11% of the ground truth statistics, suggesting NetHOPs can be a reasonable approach for enabling network analysts to reason about multiple properties under uncertainty. Participants appeared to articulate the distribution of network statistics slightly more accurately when they could manipulate the layout anchoring and the animation speed. Based on these findings, we synthesize design recommendations for developing and using animated visualizations for probabilistic networks.
登录
查看更多内容
更好的人员分析
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
P. Leonardi;N. Contractor
通讯作者：
N. Contractor
忒修斯之船。
DOI：
--
发表时间：
2018
期刊：
Journal of the American Medical Association (JAMA)
影响因子：
--
作者：
D. D. Kim
通讯作者：
D. D. Kim
言行与社会结构：举报人可靠性初探
DOI：
--
发表时间：
1987
期刊：
影响因子：
--
作者：
L. Freeman;A. Romney
通讯作者：
A. Romney
空间数据可靠性的动态显示：对地图用户有利吗？
DOI：
--
发表时间：
1997
期刊：
影响因子：
--
作者：
B. J. Evans
通讯作者：
B. J. Evans
DOI：
10.1093/comnet/cnaa046
发表时间：
2020-12
期刊：
J. Complex Networks
影响因子：
--
作者：
Jean-Gabriel Young;George T. Cantwell;Mark E. J. Newman
通讯作者：
Jean-Gabriel Young;George T. Cantwell;Mark E. J. Newman