可视化案例综述网站导读2(未完待续)
文章目录[隐藏]
上次博客我分享了一些可视化案例集萃。这些网站不仅图文并茂内容详实，而且其中很多其本身就是很好的数据探索可视化作品。学习这些网站的设计思想和制作技术，对我们加深数据可视化理解很有裨益。今天就其中特定数据类型相关的网站做个导读，以方便各位读者发掘可视化领域的各类金矿。
1. 文本可视化案例综述（http://textvis.lnu.se/）
简介：
文本数据分析可谓数据科学中的基础研究领域，应用非常广泛。瑞士林奈大学ISOVIS小组基于本组在VIS2014和PacificVis大会上的综述文章，制作了此文本可视化案例综述网站，并一直更新到2017年，已囊括了400种文本数据相关的可视化论文。论文作者如果发现自己的作品没有被收录到此网站上，也可以直接在该网站上投稿。
可视化说明：
该网站本身也是很好的探索类可视化作品，以便于读者检索感兴趣的论文为目的。其主体部分是各个论文的缩略图，可以点击放大查看详细。左侧是导航面板，用以导航/过滤论文。从上到下依次是论文数量提示，文字搜索框，时间轴过滤器，历年论文数迷你图，分类选项。其分类选项的设置非常值得我们学习，其每一项内容如下：
- 研究方向（都是文本分析的子方向）：文本统计、演说分析、情感分析、立场分析、事件分析、趋势分析、词汇/语法分析、关联分析、翻译/文本对齐，其；
- 研究对象：线社交平台（134）、通信数据（31）、专利（5）、报告/病例（40）、文学（47）、科技文献（40）、媒体（84）；
- 数据来源：文档（84）、语料库（318）、流数据（52）
- 数据特征：地理特征（54）、时序特征（186）、网络结构特征（86）；
- 可视化的任务：发现兴趣区域（86）、聚类分类（292）、排序（321）、概览（372）、监控（43）、导航/探索（259）、不确定性问题处理（25）。
- 可视化的呈现方式：包括种折线图/河流图（127）、像素/矩阵图（151）、节点链接图（130）、词云（152）、地图（118）、文本（193）、图标（103）；
网站制作技术：
- 后端： Ubuntu linux系统，apache2.4.18服务器端软件，使用的后端脚本语言无从判断，不过后端主要负责传输分类和内容信息两个json文件，这么简单python,php,java,nodejs谁都能干。
- 前端：整体用bootstrap框架搭建。主体逻辑基于jquery类库自己写成。只用了一点点D3.js画了个迷你图。
- 结论：简单易上手，初学者经过学习完全可以学会怎么制作一个类似的网站。
应用导读：
做邮件数据分析的同学，可以先这样过滤一下：研究方向去掉演说分析、词汇/语法分析、翻译分析；数据特征去掉地理特征；研究领域只选线社交平台和通信数据。这样过滤一下会只剩下131篇论文，然后用左上角的时间选择器，选近5年的论文，在其中挑自己感兴趣的几篇看看论文摘要和图片解释就行。我个人比较感兴趣Data Portraits (2016)，iForum (2017)，BrandSediments (2016)、ToPIN (2016)等文章。
2. 生物学可视化案例综述（http://biovis.lnu.se/）
简介：
该网站也是瑞士林奈大学ISOVIS小组制作的，总结了2000-2016年生物学相关的可视化案例。诸如基因图谱、蛋白质模型等案例共有146个。
可视化说明：
其网站与上一个例子基本相同。只是其主图部分改成了一个用D3js做的、影藏了连接线的节点链接图。该图可以缩放，可以聚焦。点击一篇论文，就能显示该论文与其他论文之间的引用关系（显示连接线）。点击advanced选项卡，可以调整主图内元素的布局权重，从而重新布局整个图。例如把year调整为最高权重，其他最低，那么论文会按时间排序，很容易找到最新一年发表的论文。总而言之很有趣。我觉得我们做可视化案例，至少也要做到这样的交互效果才行。
其分类选项的设置与上一个网站略有不同，大家可以看看有什么区别：
- 数据类型：表格（51）、网络/图数据（64）、层次结构数据（24）、序列/文本数据（55）
- 数据特征：时序（29）、序列（44）、空间（29）、列名（102）、定量（53）、不确定性（9）；
- 可视化的任务：导航、搜索、过滤、选择、排序、分类、注释、分享、向导。
- 可视化的呈现方式：包括种折线图/河流图（127）、像素/矩阵图（151）、节点链接图（130）、词云（152）、地图（118）、文本（193）、图标（103）；
网站制作技术：同上
应用导读：
生物学与我们的研究领域差距较大。没有点生物学知识基础，同样是常见的图表，其可视化是真心看不懂。我个人比较感兴趣里面的一篇文章：人类基因组可视化分析工具Epiviz。对于这个biovis网站，我们主要参考该网站本身的制作与分类方法。
by Christian Tominski and Wolfgang Aigner
简介：
此网站在我以前的博客中介绍过，是德国的两位大咖Christian Tominski和Wolfgang Aigner创建的，主要用以推销他们的专著Visualization of Time-Oriented Data。考虑到时序数据可视化应用的重要性和广泛性，这个网站在我每次写论文的时候都要打开看看。不过此网站制作较早，只有115篇文章，交互性和文章的新颖程度上没有瑞士林奈大学ISOVIS小组的网站好。
可视化说明：
其网站的布局和呈现方式与前文所述的网站基本相同。因为年代较早，所以更为简陋，缺少时间轴过滤器，不能按文章新旧排序。其分类选项也更为简单，都是从时序数据的特定出发，大致罗列如下：
- 数据参考框架：通用，时空结合
- 数据变量个数：单一变量，多个变量
- 时间排列方式：线性，循环
- 时间基元：时间点，时间区间；
- 时间的可视化映射方式：静态图形，动态动画
- 可视化呈现的维度：2D，3D
网站制作技术：
非常简单，纯HTML+CSS+JS做的静态网站。其中主体逻辑都是基于jquery实现的。
应用导读：
时间是一个非常重要的维度。随着时间变化的数据，或带有内在排列顺序的顺序数据统称之为时变数据或者时序数据，它们都可以映射到时间轴上进行处理。时序数据可视化应用在历史动力学、基因组测序、网络流量监控、经济数据分析、音乐和文学分析等方方面面，相关案例不胜枚举。
按照时间的映射方式，这些可视化大致分为两类：静态图形，动态动画。然而由于动画的优势和缺点都在于其完全吸引了用户的注意力，因此用户观察非动画的其他视觉通道会变得困难。目前可视化领域的主流观点是，由于人类认知的局限性，要审慎看待动画方式可视化时变数据的可行性与表现力。在这个网站中，纯粹用动画方式展示时间的案例，在115个案例中只有7个，可谓例证。
在以静态图形为可视化的案例中，又可以按时间排列方式分为线性或循环。线性方法通常将时间映射为时间轴，其他维度可以映射成折线、柱形、面积、色彩等。典型的例子如时序流图（timeRiver），用河流来比喻时间。子在桥上曰，逝者如斯夫。
Stacked Graphs，一个线性时间可视化案例。timeRiver的一种变体，适合呈现多个时序变量的变化趋势。Byron, L. & Wattenberg, M.: Stacked Graphs – Geometry & Aesthetics. IEEE Transactions on Visualization and Computer Graphics, Vol. 14, No. 6, 2008.
时序数据可视化方式，可分为制作时序流图的同学很有必要参考一下这个网站内容。
4.层次结构数据可视化案例综述（http://treevis.net/）
此网站在我以前的博客中介绍过，是德国的Hans-Jörg Schulz博士创建的。层次结构数据或者称为树形结构数据的可视化，一直是可视化表达中最具创意的领域。可以看到诸多千奇百怪的设计，从维度上可分为2D,3D,2D+3D；按层次结构的表现形式可分为显性的，隐性的，复合的；从对其方式可以分为直角坐标系，径向坐标系，树形的。
5.动态图数据可视化案例综述（http://dynamicgraphs.fbeck.com/）
- Fabian Beck, VISUS, University of Stuttgart
- Michael Burch, VISUS, University of Stuttgart
- Stephan Diehl, University of Trier
- Daniel Weiskopf, VISUS, University of Stuttgart
这是来自德国斯图加特大学VISUS小组的可视化作品。展示的是动态图数据（同时具有时序和网络结构特征的数据）可视化案例。其数据来源于 EuroVis 2014.该小组发表的文献综述，2015年以后未更新。考虑到图数据/网络结构数据应用的广泛性，该网站提供的内容亦极具参考价值。
该网站也是一个不错的可视化作品。可以创建标记，查看每年哪种关键字的论文最多。作为研究者，可以从它罗列的关键字中，发现此领域的主要研究内容和方法：
time: animation94，timeline80，generic15
paradigm: node-link135，matrix15，generic14
evaluation: case_study103，user_study25，survey16，none11，expert10
application: social45，generic42，document30，software_engineering30，infrastructure12，biology12
other: mental_map44，compound_graph28，3d24，general-purpose_layout22，force-directed_layout22，directed_graph20，radial18，weighted_graph18，juxtaposed_node-link15，online_problem15，offline_problem15，taxonomy12，special-purpose_layout12，superimposed_node-link11，clustering10，fixed_nodes10
可见图数据/网络结构数据的可视化呈现方式可以分为三大类：节点链接图、矩阵和传统统计图方法。值得参考。
