A Survey on Visual Analytics of Social Media Data
A Survey on Visual Analytics of Social Media Data
复制标题
社交媒体数据可视化分析调查
DOI：
10.1109/tmm.2016.2614220
复制
发表时间：
2016-11
影响因子：
7.3
通讯作者：
Daniel A. Keim
中科院分区：
文献类型：
--
作者：
Yingcai Wu;Nan Cao;David Gotz;Yap-Peng Tan;Daniel A. Keim
社交媒体数据前所未有的可用性为数据所有者、系统运营商、解决方案提供商和最终用户提供了探索和了解社交动态的大量机会。然而，社交媒体数据的数量、速度和可变性呈指数级增长，阻碍了人们充分利用这些数据。视觉分析是一个新兴的研究方向，近年来受到了极大的关注。为了理解大规模的结构化和非结构化的社交媒体数据，已经提出了许多跨学科的可视化分析方法。然而，这一目标也对研究人员提出了重大挑战，以获得该领域的全面图景，了解研究挑战，并开发新技术。在这篇文章中，我们提供了一个全面的调查来描述这个快速增长的领域，并总结了分析社交媒体数据的最先进的技术。特别是，我们将现有的技术分为两类：收集信息和理解用户行为。我们的目标是通过已建立的分类法提供研究领域的清晰概述。然后，我们探索了设计空间，并确定了研究趋势。最后，我们讨论了挑战和未来研究的开放问题。
The unprecedented availability of social media data offers substantial opportunities for data owners, system operators, solution providers, and end users to explore and understand social dynamics. However, the exponential growth in the volume, velocity, and variability of social media data prevents people from fully utilizing such data. Visual analytics, which is an emerging research direction, has received considerable attention in recent years. Many visual analytics methods have been proposed across disciplines to understand large-scale structured and unstructured social media data. This objective, however, also poses significant challenges for researchers to obtain a comprehensive picture of the area, understand research challenges, and develop new techniques. In this paper, we present a comprehensive survey to characterize this fast-growing area and summarize the state-of-the-art techniques for analyzing social media data. In particular, we classify existing techniques into two categories: gathering information and understanding user behaviors. We aim to provide a clear overview of the research area through the established taxonomy. We then explore the design space and identify the research trends. Finally, we discuss challenges and open questions for future studies.
登录
查看更多内容
EvoRiver：社交媒体上话题合作的可视化分析
DOI：
10.1109/tvcg.2014.2346919
发表时间：
2014-11
期刊：
IEEE Transactions on Visualization and Computer Graphics (IEEE VIS (VAST) 2014)
影响因子：
--
作者：
GuodaoSun;YingcaiWu;ShixiaLiu;Tai-QuanPeng;JonathanJ.H.Zhu;RonghuaLiang
通讯作者：
RonghuaLiang
DOI：
10.1017/9781108565691
发表时间：
2018-07
期刊：
--
影响因子：
--
作者：
W. D. Nooy;Andrej Mrvar;V. Batagelj
通讯作者：
W. D. Nooy;Andrej Mrvar;V. Batagelj
DOI：
10.1145/1866029.1866077
发表时间：
2010-10
期刊：
Proceedings of the 23nd annual ACM symposium on User interface software and technology
影响因子：
--
作者：
Michael S. Bernstein;B. Suh;Lichan Hong;Jilin Chen;S. Kairam;Ed H. Chi
通讯作者：
Michael S. Bernstein;B. Suh;Lichan Hong;Jilin Chen;S. Kairam;Ed H. Chi
影响因子：
7.3
作者：
Junbiao Pang;Fei Jia;Chunjie Zhang;W. Zhang;Qingming Huang;Baocai Yin
通讯作者：
Junbiao Pang;Fei Jia;Chunjie Zhang;W. Zhang;Qingming Huang;Baocai Yin
DOI：
10.1109/pacificvis.2008.4475479
发表时间：
2008-03
期刊：
2008 IEEE Pacific Visualization Symposium
影响因子：
--
作者：
N. Elmqvist;Thanh-Nghi Do;H. Goodell;N. Riche;Jean-Daniel Fekete
通讯作者：
N. Elmqvist;Thanh-Nghi Do;H. Goodell;N. Riche;Jean-Daniel Fekete