经济网络的可视化分析——Hermes的应用

视觉信息学4（2020）11Hermes：用于经济网络探索的指导性可视化分析Roger A. Leitea， Alessio Arleoa，Johannes Sorgerb，Theresia Gschwandtnera，西尔维娅·米克施aa维也纳科技大学- TU Wien，奥地利b奥地利维也纳复杂性科学中心ar t i cl e i nf o文章历史记录：接收27八月2020收到修订版2020年9月28日接受2020年在线预订2020年保留字：数据可视化网络探索供应链a b st ra ct一个国家的经济可以被建模为一个复杂的系统，在这个系统中，几个参与者相互买卖商品。通过分析投资流，可以重建大多数商品生产的供应链，这对有兴趣制定和评估战略的分析师和政府官员非常重要，以便做出明智的战略决策，例如调整税收政策。然而，这些参与者和投资的网络往往是复杂和非常密集的，这导致过度绘制的可视化，混淆了宝贵的信息，如生产部门和地区之间的依赖关系。在本文中，我们提出了Hermes，这是一个指导丰富的可视化分析环境（以希腊商业之神的名字命名），用于探索复杂的经济网络，以揭示供应链，地区生产力和部门间关系。利用指导方面的实际知识，我们设计并实现了一种可视化子图查询方法，从从真实世界数据中获得的复杂投资图中提取模式。我们提出了一个系统的三重评价：我们进行定性评价，我们的与三位领域专家的方法，与该领域的专家研究人员对建议的指导功能进行单独评估，以及使用银行账户网络数据集对Hermes进行案例研究来证明我们方法的普遍性©2020作者（S）。由爱思唯尔公司出版我代表浙江大学和浙江大学出版社有限公司这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍了解经济网络中参与者的行为是一个具有挑战性和有利可图的问题。所获得的知识可用于维持可持续的环境，以支持国家例如，了解一个国家生产部门和地区之间的关系，使政府能够规划支持积极经济趋势的战略政策。典型的任务包括寻找弱/强连接、供应依赖或增长和收缩的投资趋势。虽然人工智能（AI）对于检测已知模式以及预期和非预期离群值非常有用，但当涉及到数据集的推理和探索时，可视化分析（VA）工具就像艺术家的画笔。通过将计算能力与人类*通讯作者。电子邮件地址：roger. tuwien.ac.at（R.A. Leite），alessio. tuwien.ac.at（A.Arleo），sorger@csh.ac.at（J. Sorger），theresia. tuwien.ac.at（T.Gschwandtner），silvia. tuwien.ac.at（S.Miksch）。https://doi.org/10.1016/j.visinf.2020.09.006视觉系统，我们使领域专家得到的见解，这将是不可能与其他方法。在这项工作中，我们专注于探索全国范围内复杂的金融网络的问题，旨在揭示投资网络，供应链，以及生产部门和地理区域之间的经济联系。我们提出了Hermes，一个VA探索环境，用于探索具有面向时间和多变量数据的经济网络。我们的系统由一个“概览"板和一个”网络“板组成，前者提供对可用数据的高层次分析，后者提供按需提供的详细信息。在后者中，我们提出了一个可视化的方法来定义的模式，可以通过创建和组合的“配置文件”，这是一组节点，遵守一组用户定义的约束条件的网络内搜索我们还包括指南丰富（Ceneda et al. ，2017，2019）组件，以帮助用户定义查询和简档，从而实现简档创建、图案绘制和图案匹配的完全交互式视觉方法。因此，我们的主要贡献是：2468- 502 X/©2020作者。由爱思唯尔公司出版代表浙江大学和浙江大学出版社。这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表视觉信息学期刊主页：www.elsevier.com/locate/visinfR. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1112我们设计了一个可视化的设计概要文件定义支持，它可以总结多种节点类型，并促进紧凑的查询子图的构造。我们集成了一个指导丰富的可视化子图查询方法，帮助分析师从过多的可能的节点和边组合中构建子图查询我们进行了三方面的评估：（1）基于任务的定性用户研究，由三位领域专家收集见解和指南更新率测量值，（2）由VA指导方法专家评估我们的指南设计，以及（3）用例描述，展示Hermes对第二个领域的通用性和适用性。2. 相关工作Hermes可以被构建为一种VA方法，用于分析经济网络，使用可视化语言来执行具有指导元素的图因此，我们描述的相关工作分为四个类别。金 融 领 域 的 VA ： 可 视 化 在 金 融 领 域 被 证 明 是 多 产 的 。FinanceVis（Dumas et al. ，2014）提出了涉及超过50篇研究文章的调查，总计超过70种不同的技术，涉及金融数据的呈现和可视化它还提供了一个在线收集的调查文件，以方便访问。本文的结论是，可视化可以使分析师在金融领域，并鼓励年龄进一步合作。Ko等（2016年）侧重于收集专家对现有财务VA方法的反馈和意见。访谈还旨在了解可能的改进和对视觉抽象，交互方法，自动化技术和数据源的偏好。在设计爱马仕时，我们从金融领域的几种视觉化方法中汲取了灵感。 （2014），并从更现实的解决方案的强烈动机和呼吁（Ko et al. ，2016年）。金融网络分析：为了在金融网络上实现VA过程，图形绘制和可视化发挥了重要作用，节点链接表示通常被用作向用户呈现此类网络的直观Allen和Babus（2009）认为，节点链接图是表示金融系统的自然解决方案，并有效地解释了某些经济现象，如资源交换。这直接支持我们的方法设计选择的一部分。Tekušová和Kohlhammer（2008）直观地支持用户理解复杂的股权网络。它包含不同的经济指标，并支持最终股东的识别。网络玩家的识别是这项工作和Hermes 的共同点（见第3.3节）：R4。VisFAN（Didimo et al. ，2011）处理实体之间的观察金融交易，以识别洗钱模式和潜在欺诈。该系统还允许使用自动和手动聚类技术对元素进行聚类和聚合，以进行自底向上的探索与本文不同的是，Hermes可以通过profile创建功能对元素进行分组（参见第4.3.2节：A）。Huang等人（2009）提出了一种股票市场安全事件监测方法它采用链接视图方法，带有用于网络分析的节点链接图和用于市场表现可视化的3D树形图这种方法的主要目标是识别攻击者（欺诈的来源）和进一步的攻击计划，同时减少人工智能技术产生的误报量。Origraph（Bigelow et al. ，2019）支持网络数据创建、整形和过滤。该工具允许用户执行这些操作，根据任务所需的详细程度。在Hermes中，我们受到这项工作的启发，为用户提供了一种非编程的方法来生成查询。然而，与Origraph不同，Hermes允许将过滤器聚合在一起，以生成满足不同约束的配 置 文 件 。 Fujiwara 等 人 （ 2018 ） 提 出 了 一 种 基 于 秩 模 型（V2D2）和约简算法自动撰写网络视觉摘要的解决方案。等级模型对交互的重要性进行排序，并提供它们之间的依赖关系。即使缺乏用户研究，亲自动方法被证明是有效的准备大型网络进行分析。Vanden Elzen和Van Wijk（2014）专注于非专家用户，通过网络元素选择和聚合从网络细节导航到概述。在Hermes，我们遵循类似的方法，为用户提供不同的板，提供不同的数据视角。作为一个限制，他们声称由于其聚类或社区检测算法，在大选择（超过10个）的情况下会出现视觉混乱问题。图形化分析图：分析中的一个典型任务搜索预定义的模式和子图，以突出感兴趣的某些转移和行为（例如，洗钱、逃税、供应链管理）。为了让用户能够轻松地定义这些模式，对金融VA的研究分支到包含可视化语言的系统中，这些语言允许定义感兴趣的模式和配置文件，这些模式和配置文件用于查询原始的复杂网络。Didimo等人提供了这种方法的一个例子。（2018年）。通过使用已经建立的用于模式定义的视觉语言（Didimoet al. ，2015年），他们设计了一个系统，用于突出纳税人（包括个人和法人实体）之间的恶意交易。从我们的方法，该系统的目的是在一个应用程序域中运行，而我们建议爱马仕作为一个更灵活的方法，更面向投资，而不是个人交易。Koenig等人（2010）讨论了在属性图中图形查询搜索结果的可视化。这意味着每个节点属于由其属性导出的特定类别（例如，电影、演员、导演）。与我们的方法类似，用户通过将不同的节点类别（表示为节点）组合在一起来定义模式。 为了显示结果，获得的节点被映射到用户定义的模式，这有助于用户保持他们的心理地图。另一方面，这种方法限制了可以在查询结果的节点链接 图 中 显 示 的 数 据 项 的 数 量 。 Chau 等 人 在 他 们 的 GRAPHITE（Chau et al. ，2008）系统，并且更深入地，由Pienta等人用他们的VISAGE（Pienta等人，，2016年）。除了为查询图形提供平台和可视化之外，本文还引入了图形“自动完成”功能，以帮助用户构建和细化查询。这启发了我们在Hermes中包含特定功能，以帮助用户构建查询。为了做到这一点，我们专注于使用“指导”，这是一个相对现代的研究领域，最近已被表征为VA（Ceneda et al. ，2017年）。OntoVis（Shen et al. ，2006）允许分析社会网络-通过语义和结构抽象来工作。它旨在了解谁是社会网络的主要参与者，以及什么是社会网络的共同参与者。结构抽象是通过节点的度和连通度等拓扑信息实现的，语义抽象是通过过滤同类节点实现的。与Hermes提出的允许涉及不同数值和分类属性的微调组过滤器的“配置文件”不同指南：指南起源于人机交互（HCI）领域（Horvitz，1999），但Ceneda等人。（2017）扩展了van Wijk···R. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1113在VA过程中。他们使用文献中现有的指导方法Ceneda等人（2018a，b）设计并实施了一个数据驱动的指导工具，以证明指导技术有可能改善数据分析。最近，Ceneda et al. （2019）进行了详细的文献研究，以概述如何以不同的方法处理指导。在这项工作中，作者强调了了解分析实际状态的重要性。我们设计Hermes3. 爱马仕设计背景本节的主要目标是介绍爱马仕，以及描述设计和实施的选择。3.1. 数据、用户和任务我 们 基 于 设 计 三 角 方 法 （ Miksch 和 Aigner ， 2014 ） 和Munzner的嵌套模型（Munzner，2009）设计和开发了我们的方法，根据底层数据，涉及的用户和他们必须执行的任务来数据我们的目标用户分析的经济数据可以分为两类：第一类描述聚合信息，例如，在国家层面上，报告了&一个财政年度内行业部门之间的货币流入流出（“IO Ta-1”Timmer et al. ，2015）。例如，这种表格中的交易描述了从“农业"部门到”制造业“部门的投资金额（以百 万 欧 元 计 ） 。 扇 区 根 据 ÖNACE 规 范 进 行 编 码 （ ÖNACE ，2019）。第二个数据类别补充了IO表的聚合信息，其中包含更多粒度/区域详细信息，例如，在一个国家的一个地区内的单个公司的水平上。对于这个类别，我们使用了两个数据集的组合（见第4.1节）创建了在Hermes设计和实施期间使用的Exchange供应链（ESC）数据集。该数据集包含172个节点和20，709条边。用户. 爱马仕的目标用户是金融和经济前，参与制定区域政策和投资计划的专家，例如为了振兴一个区域的经济。用户应精通表格数据的统计评估，但不应具有可视化分析或网络分析方面的任何经验。任务Hermes旨在支持的任务是在整合汇总和粒度数据的基础上提高对国家经济投资网络的理解。在与我们的领域专家合作者（不参与评估）讨论之后，我们可以确定四个子任务：探索部门（T1）和地区（T2）之间存在的经济流网络，评估部门如何联系和影响每个地区（T3），以及供应链探索（T4）（例如，主要是购买/销售区域）。这四个子任务的识别支持我们更好地理解我们与领域专家合作的潜力所获得的关于数据、用户、和任务支持我们定义研究挑战3.2。3.2. 研究挑战在Hermes的上下文中，我们正在处理由底层数据以及应该在其上启用的任务引起的几个挑战。了解研究挑战是解决方案设计的重要一步。这是一个更广泛的问题，帮助我们计划，衡量工作，得出更具体的要求（见3.3节），并得出未来的工作建议。密集的动态网络：大型经济网络是密集和动态的，波动大而频繁。虽然自动方法仍然可以用于检测离群值并确认已知模式，但VA技术支持经济网络分析，因为它们使用户能够交互式地深入研究具有多个视图的密集数据，从而改善探索过程。多尺度语境：分析和探索不同尺度上和跨不同尺度的交易，即，区域、国家、全球的信息化需要可视化和分析性的可扩展解决方案。地缘政治背景：为了更好地理解交易，我们需要考虑指导交易的动机。众所周知，地缘政治、地理和经济背景会影响这种行为，例如，从本地或远程供应商处购买，或者存在采石场或油田。考虑到不断变化的本地和全球场景，分析工具必须灵活地传达这些不同的背景。时间趋势：经济网络分析涉及随时间推移的稳定行为的观测（例如，将增长的区域部门与萎缩和稳定的部门区分开来）。然而，有许多方面（规模，范围，安排，观点）有关的时间导向的分析，需要进行有效的分析，由于其复杂的数据特征（艾格纳等人。，2011年）。3.3. 要求通过结合问题理解（见3.1节）、更广泛的研究挑战背景（见3.2节）以及三位经济学家的进一步合作，我们得出了我们系统的四个主要要求。在需求和设计开发过程中合作的经济学家不是第5节所述评估的参与者。通过定义一组需求，我们还可以为我们的设计选择提供更好的理由，并提供一个健壮的框架来设计我们的评估。R1：区域和行业分布概览。一个经济环境是在不断演变：其主要参与者（公司）之间的交易可以留下一个重大的和持久的影响，他们所属的地区的经济，以及他们的基础和消亡。这些方面的概述对于了解经济的主要部门非常重要，并支持不同地区之间最突出和最不突出的部门等见解。R2：多尺度网络探索。经济学家必须了解国家投资和供应链网络，以便更好地讨论可能的投资，提出税收改革和其他类型的经济政策。该系统必须能够在信息可用的不同详细程度上进行网络探索。此外，系统必须实现过滤技术，以支持这种密集网络的探索。R3：管理查询。在网络探索过程中，分析师通过调整各种过滤器设置来考虑数据的不同方面。通常有必要比较和交叉引用这些查询的结果。因此，一个称职的系统必须支持创建，可视化和比较这样的查询配置文件。R4：识别和跟踪货币流动。了解部门和地区之间的货币流动，R. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1114−||||∈∈∈∈=∈=||不||=-不不在许多情况下具有显著优势，包括投资规划、供应链探索和欺诈检测。该系统应支持用户识别和跟踪交易网络中的流量，揭示与应用领域相关的路径和模式。4. Hermes设计与实现我们设计了几个原型，我们用来探索设计空间方面的可视化方法和互动的方法。在项目开发的不同阶段，原型由我们的三位经济学家合作者进行检查和评估，以支持需求定义（见第3.3节）。我们的方法是使用Web技术（HTML，CSS，JavaScript）以及框架，服务和库（如Angular，JQuery和D3.js）开发的。系统架构的草图可以在图中看到。1.一、4.1. 数据模型Hermes数据模型被表示为网络，其节点（称为视图节点）表示特定区域的生产部门（例如， 节点也有属性，包括现金收入流、成果流和增长率。我们通过计算本年度（y）和上一年度（y-1）之间的现金流（收入流+成果流）的差异来获得增长率。如果金融连接（例如，投资）存在。我们从我们的数据源（见第3节）中获得这个模型，如下所示：基于Fritz等人（2003）描述的数据组合，我们将有关国家公司的详细信息（即，支出、就业人数、部门、地点）与不同地区每个生产部门的货币收入和成果流之间的关系，使我们能够估计不同部门和地区之间交换了多少货币因此，我们可以定义不同的配置文件来过滤这些节点。配置文件是标识节点子集的一组约束这些制约因素可能包括一组部门、一组区域、流入和流出范围以及增长率范围。4.2. 模式匹配算法为了创建图形模式，我们定义并组合特定的配置文件。这些配置文件被表示为配置文件节点，用户可以使用网络板（参见第4.3.2节）链接它们。一旦构建了模式，我们就可以在数据模型中搜索匹配的子图我们定义G=（V， E）为我们的算法的时间复杂度为O（Vrd）：当所查询的子图包含Vt中的所有节点时，Vr至多为n;当vr与图中的所有顶点共享一条边时，d至多为n1因此，其渐近复杂度为O（n2）.在实践中，我们可以发现，对于非常密集的图，我们的实现也能够在很短的时间内提供所请求的子图，从而实现交互式探索（参见第6节）。我们要指出的是，即使一般的模式匹配问题是NP难的，在我们的情况下，问题被大大简化，因为配置文件节点和目标图中的节点之间的映射是已知的，因为是由用户定义4.3. 不同的板用于不同的任务在本节中，我们描述了我们对不同可视化的两种组合的设计（即，”““服务于不同的任务。 在这两个电路板中，我们都使用“多电路板”方法支持“R2：多尺度网络探索”。两个板通过按钮连接，允许彼此之间的导航。可以通过点击右下角按钮“转到调查模式”从“概览板”转到“网络板”。要从网络板转到概览板，用户可以单击底部中心的“转到概览模式”按钮。有源滤波器从一个电路板被带到另一个电路板，以保持相同的数据调查上下文。4.3.1. 概览板我们设计了一个完全连接的多协调视图板（见图2），以提供区域和部门分布（R1）的良好概述，并支持业务情境化。视图通过刷动和链接连接，一个视图中的过滤操作相应地反映在所有其他视图中。除了提供良好的概述外，该板还旨在支持关于区域如何由部门组成以及部门如何在不同区域中代表的推理。接下来，我们解释我们的设计选择和每个视图可能的交互。A '：时间滑块。时间滑块的主要目标是选择不同年份的数据进行分析。用户可以在任何年份上拖放滑块以加载该年份的数据B '：连接矩阵。我们通过使用邻接矩阵展示了全国各部门之间的联系。我们选择邻接矩阵来可视化密集网络（Ghoniem etal. ，2004）。邻接矩阵也具有数据模型图（即，目标图）在第4.1节中描述，其中Vt是顶点集，Et是表示图边的有序节点对的集合。我们还定义了Vt n。Gp（Vp， Ep）是用户用简档节点构造的模式（即，图案图）。我们使用我们的模式匹配算法来寻找一个子图G r（V rV t，E rE t），即结果图。 该算法进行以下操作：由于G p节点表示轮廓，其识别Vt中的一组节点，首先（OP 1）对于每个轮廓节点vpV p，它提取与v p中定义的约束相匹配的节点vtV t，并将它们分配给V r;（OP 2）对于现在在V r中的每个节点，它检查其传出边是否属于E r。如果ut，vtVr，则边et（ut，v t）Et属于Er，并且它们是从Vp中由边epEp连接的两个不同的剖面节点中提取的。这是直接表明，我们的算法具有二次渐近时间复杂度。OP 1必须对VP中的每个节点重复，因此复杂度为O（VP）。对于每个节点，我们可以在O（d）时间内执行OP2，其中d是节点的出度（即，输出边的数量）。因此，考虑到我们的例子是两个部门之间交易的金额），而不是像节点链接图那样的连接和路径与节点链接图相比，邻接矩阵更好地利用了可用的空间，并且它们呈现出更少的视觉混乱。每个方块代表一个连接，方块的阴影编码了交易的金额。矩阵中的黑色区域可以立即被发现，这代表了大量的资金交易。我们还实现了一个鼠标悬停功能，显示谁是每个矩阵连接正方形的源和目标，以获得有关节点之间连接的精确信息（Keller et al. ，2006年）和所涉金额。C '：区域地图。包含不同区域的奥地利国家地图不仅可以通过直接在地图中选择不同区域的选择器来交互工作因此，它也支持演示目的。D '：平行坐标。每条彩色线代表不同的区域，而轴代表公司数量优点在于它们强调了附加变量（即，在R. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1115Fig. 1. 爱马仕工作流程。使用两种类型的输入数据（左侧），Hermes提供了两个连接的可视化板（Overview和Network），支持交互式探索和见解生成（右侧）。图二. Hermes：Overview Board的截图。（A '）时间滑块：允许选择不同的年份。 （B '）联系矩阵：提供关于各部门在国家一级联系紧密程度的第一印象。（C '）地区地图：显示不同国家地区的颜色代码和地理位置。（D '）平行坐标：支持用户了解各地区之间的行业分布情况。（每个部门。为了支持不同的概览任务，还可以在轴中表示其他特征，例如总收入。通过这种观点，可以观察到区域是如何由部门组成的，以及部门如何在区域之间分布。我们选择使用平行坐标，因为它支持多维的表示。这些轴共享一个共同的刻度以支持比较。E '：扇区圆环图。圆环图本质上是一个没有中心区域的饼图。我们使用中心区域来绘制每个扇区的符号。在每个图表下方，我们绘制了该行业的名称以及该行业内公司占该国所有公司的百分比（在选定年份）。虽然圆环图不应该用于精确的比较，但我们选择它们有两个原因：（1）创建一个专门用于简单行业概述和选择的区域（与视图图1相比）。2：C '）适用于地区，（2）对一个部门所在的主要地区有一个直接的印象。此外，它们的纵横比允许在紧凑的空间中表示多个扇区在这个视图中，我们区分了两种尺寸的甜甜圈图，较小的图表代表的是现金流不到全国1%的行业，而较大的图表代表的是现金流超过全国1%的行业。这一特点有助于确定国家的主要部门。可以从概览板中选择值（扇区和/或区域），以过滤网络板中可用的数据，这实现了按需提供概览+详细信息的咒语（Cockburn et al. ，2009年）。4.3.2. 网络板在这一小节中，我们参考图1中的视图标签。3.第三章。网络板分为视图A、B和C，以支持三步工作流程。在视图A中，用户创建具有特定收入和成果属性以及增长率的部门和/或区域的简档例如，简介可以是“布尔根兰州现金收入超过3000万欧元但低于1亿欧元的行业”。在视图B中，这些简档然后可以用作网络节点以构造网络模式来查询数据。查询结果显示在视图C中。视图D和E呈现支持视图C的不同探索特征。网络委员会提出的工作流程旨在支持A：配置文件创建视图。配置文件创建视图分为两个部分：（1）用于过滤收入、成果和增长率的指南丰富滑块，以及（2）用于选择区域和部门的指南丰富磁贴。灵感来自气味的Wid- get（Willett et al. ，2007），设计了指南丰富的滑块以在简档创建过程期间增加用户对数据的熟悉度三个滑块：收入现金流，结果现金流和增长率。收入和结果现金流维度过滤了一个可能的部门或地区处理多少资金，而增长率过滤了部门和地区的增长（或收缩）率增长率是通过将分析年份（y）与前一年（y-1）进行比较第4.4节描述了促进知情过滤的指南方面。定义的轮廓在视图（B）中可用，并且可以被选择作为节点来构造网络图案。独特轮廓R. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1116图三. 《Hermes：Network Board》(A)剖面创建视图：在此视图中创建的剖面用于查询视图（B）中的网络模式。视图（A）是分为两个部分：（i）制导富集滑块和（ii）区域/扇区滤波器选择。(B)Guidance-Enriched Pattern Search：在这里，用户可以将配置文件链接在一起，以创建要匹配的模式查询结果显示在（C）中。（D）控制面板：此面板允许用户从视图（C）调节某些功能(E)动态表：此视图显示原始事务数据。分配的ID包含唯一字母+金额所代表的区域/部门。配置文件定义可能非常广泛，也可能非常具体。例如，一个只过滤收入维度超过120亿欧元的配置文件将匹配第3.1节中描述的数据集中的三个节点。另一方面，如果我们过滤到低于120亿欧元，则160个节点将匹配配置文件。B：模式搜索视图。在Guidance-Enriched Pattern Search视图中，我们有（1）左侧的已创建配置文件列表，(2)右边是一张画布此视图允许用户通过在（1）中选择配置文件节点并在（2）中绘制它们之间的连接来查询网络模式在（1）中示出了所创建的简档的视觉概要：由区域的颜色（或者如果涉及多个区域，则为灰色）和简档的ID以及表示该简档的收入、结果和增长率的间隔的小符号填充的圆圈绘图画布（2）允许用户在视觉上有效地识别查询模式（Ware，2012）。它支持各种配置文件连接组合。画布还允许交互式地删除和添加剖面节点和边，以及更改边的方向边可以是单向的或双向的。剖面节点的生成允许用户创建紧凑的表示复杂的约束，即，可以将具有特定特征的多个扇区和区域组合到一个节点中，这便于构造网络结构来查询，并且提高了这些结构的清晰度。我们将（2）中的配置文件组合呈现为节点链接图，不仅可以保留构建的模式与（C）中表示的网络数据之间的视觉相似性，还可以更好地支持路径发现任务（Okoeet al. ，2018年）。此外，与网络数据的其他可视化（例如邻接矩阵）相比，节点-链路图更适合于传达和记忆网络拓扑和连通性（Okoe et al. ，2018年）。这些任务对于分析经济流量是必不可少的。C：节点链接视图。 我们选择了节点链接视图由于两个主要的设计优点：（1）它支持用户在视图B中绘制的模式与查询结果之间的视觉匹配，以及（2）它支持更好的关于两个节点（R2和R4）之间的间接路径的术语推理（Keller etal. ，2006年）。创建的紧凑网络模式在视图（B）中，用于查询子图的数据集，符合这个模式。结果将显示在Node-Link View中。然而，该视图显示了数据集的忠实表示，而没有将多个扇区折叠到一个节点中，如视图（B）中所做的那样，以便于模式构造。因此，该视图中的每个节点代表特定区域的特定部门，边代表它们之间的年度资金流。节点的大小与它们处理的货币量（收入结果）成比例，而靠近节点外边界的环通过表示前一年节点的大小来指示增长率（见图4）。换句话说，如果一个节点的环大于节点本身，则该部门处理的资金量自去年以来一直在减少。另一方面，如果环小于节点，则该扇区具有增长趋势（见图）。4）.扇区之间交换的货币量由边缘宽度编码。为了定义这个宽度，我们再次使用对数尺度来避免极端的视觉异常值。根据Holen和Van Wijk资金从边缘暗侧的节点流向亮侧的节点。对于双向边，两边都是暗的（见图3中最左边的节点）。可以选择所有节点和边，以便在动态表视图中查看详细信息（参见视图（E））。D：控制面板。实施控制面板是为了便于检查和改进视图（C）中所述的网络。第一个滑块允许按数量过滤边缘第二个滑块允许通过增加或减少节点之间的力来重新缩放网络。由于边缘方向由暗到亮的梯度表示，我们提供了将节点链接图的背景反转为黑色的选项，这有助于识别接收器模式。E：动态表。 在我们与专家一起分析问题的过程中，我们了解到他们更喜欢依赖以电子表格形式呈现的详细信息。虽然表格不适合提供网络结构的良好概览，但它们很好地提供了具体部门和区域的所有详细信息因此，我们实现了一个动态表，以便根据需要为专家提供这些详细信息动态表填充有关于视图（C）中可见的所有边的信息在此表中选择边会在视图（C）中突出显示它们的表示。R. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1117见图4。一个部门的增长率的视觉编码 第一行显示比较操作以及它如何反映在扇区节点的可视编码中。使用这个比喻，我们可以直观地表示收缩，稳定和增长的部门（第二行）。4.4. 指导方面在本小节中，我们将描述赫尔墨斯所提供的不同程度的引导和特征。指导本身是一个计算机辅助的过程，不断缩小可能阻碍数据探索和分析的知识差距。它支持用户自己理解数据（Ceneda etal. ，2017，2018a，2019）。大量的剖面组合和构造的网络模式都是可行的，但只有一小部分对手头的数据有意义。为了避免令人沮丧的试错交互，直到可以找到一个有意义的模式来查询数据集，我们需要设计Hermes，以指导用户构建这种模式。Hermes包括四个不同的功能，旨在为用户提供指导，从而促进有意义和知情的工具使用下面的索引“i、ii、iii”指的是图1。 3和“iv”指的是图。 五、i：滑块滴答。剖面创建视图中的滑块增加了与不同区域相关的颜色标记（见图1）。3：i）。一个刻度代表一个区域的一个部门。悬停这些刻度会出现一个工具提示窗口，显示有关部门，地区，收入，结果和增长率的完整文本信息。当勾号与所有定义的过滤器不匹配时，勾号将变灰。因此，在相互作用点处的蜱的这种可视化（即，滑块）通过优先避免不会导致任何结果的构造来引导用户对用于轮廓构造的扇区进行有意义的选择，这样的引导， 添加有助于数据的交互和选择的信息）满足定向的指导程度（Ceneda et al. ，2017年），旨在建立 以及保存用户ii：选择瓦片。 用于选择区域和扇区的根据滑块过滤器工作，用于从过滤的选择中包括或排除区域和/或扇区与其他过滤器设置相结合的选项在数据中不存在，这些选项将被灰显（参见图3：ii）。这也有助于避免构建不存在的配置文件。由于该特征限制了用户交互的可能性（即，灰色瓷砖不能被选择），它对应于指导的指导程度，这通常为用户提供了一个预先选择的池的替代下一个步骤，为给定的任务（Ceneda etal. ，2017年）。（三）引导式网络模式建设。虽然前面的两个指导功能可以帮助用户定义有意义的简档，将这些简档节点组合成可以在数据中找到的网络模式，如果在没有指导的情况下执行，也是一项费力的任务。因此，模式搜索视图（见4.3.2（B）节）不允许构造不存在的模式.这是通过两步过程实现的：首先，每次用户选择一个配置文件节点，该节点是绘图画布（图3：B）中构造模式的一部分，以便添加到另一个配置文件节点的连接时，系统运行一个查询，从数据集中的这个节点查找可能的连接，并禁止选择所有可能导致空查询结果的配置文件节点。例如，给定但是，可以将其与“配置文件B”联系起来。图3：iii，在图案绘制画布中选择节点D1，因此，系统在可用简档的列表中禁用简档C1。同样，这个功能限制了用户构建任意模式的可能性，这使得它具有指导性（Ceneda et al. ，2017年）。iv：切换到二分布局。另一个设计选择，有助于定向用户（Ceneda等人。，2017年），每次用户在模式搜索视图中构建仅连接两个配置文件的配置文件组合时，节点链接视图中的网络表示都会切换到二分布局（参见图5）布局的自动适配在用户中创建了他/她现在正在研究二分图的附加虽然从模式画布中构造的查询模式来看这是显而易见的，但在Node-Link View中很难发现查询结果中的哪些节点属于哪个概要文件。此外，该布局便于两组之间的流动分析5. 评价为了评估Hermes的有效性和局限性，我们进行了一项定性用户研 究 ， 以 采 访 三 位 领 域 专 家 （ P1 ， P2 ， P3 ） 的 形 式 进 行（Isenberg等人，2013; Kriglstein and Pohl，2015）。我们首先描述用户研究设计（见第5.1节），其次是参与者的背景（见第5.2节）;然后我们讨论的任务和我们的研究的直接结果。为了补充我们的研究，我们采访了一位指导研究专家（P4），他讨论了他/她对Hermes指导特征的理论和实践意义的看法（见第5.5节）。此外，我们还与领域专家（P5）一起检查了Hermes5.1. 研究设计我们的用户研究是以任务为基础的评估：目标是评估和观察用户在被要求解决各种任务时如何操作Hermes。我们的研究设计包括首先是个别访谈，然后是一次最多由两名参与者进行的实践课程。每个访谈的结构如下：（1）参与者背景访谈，(2)概述和网络板的介绍，（3）动手测试，（4）基于任务的评估，以及（5）最终的一般反馈讨论。每节持续约90分钟。我们的目标是让用户熟悉Hermes，然后要求他们单独执行基于任务的评估，并且（大多数情况下）没有指导。在整个会议期间，与会者他们还被要求大声思考，以便在评估过程中遵循他们的推理。针对概述和网络板选择的任务不同，旨在评估Hermes是否能够满足其设计要求（参见第3.3节）。我们为每个董事会确定了四项任务（见5.3和5.4节），根据R. A. 莱特A. Arleo，J. Sorger等人视觉信息学4（2020）1118图五. 在此图片中，我们看到两个剖面的二分布局结果。在左手边，第一个轮廓代表每个区域的制造，在右手边，第二个轮廓代表每个区域的运输部门。根据这个结果，我们可以调查每个制造区域在每个运输区域花费Andrienko和Andrienko（2006）的分析任务分类法此外，为了支持洞察力分析，我们按照Klein的智能分析模型（Klein，2013）对获得的用户洞察力进行分类我们的分类包括：连接洞察力，通过组合来自两个或多个视图的数据获得;巧合洞察力，包括最初被掩盖的元素或事件之间的关系，但用户可以感知为连接的;当用户没有找到他们期望的信息时，就会发生巧合洞察力，这会促使他们找到原因。最后，为了充分理解我们的指导技术在我们的研究中的影响，我们在原型中实现了一个计数器，该计数器将跟踪系统更新界面以指导用户的次数（参见第4.4节）。我们称之为“指南更新”。洞察和指导更新的数量显示在图中。6、每项任务在P1、P2、P3和P4的评估会话期间，我们使用了带有ESC数据集的Hermes（参见第4.1节）。FFA数据集被特别呈现给P5，P5是该领域的领域专家（见第5.6节）。5.2. 与会者P1和P2：参与的专家（未参与设计）均可视为潜在的Hermes目标用户（参见第3.1节）。这两名参与者是“奥地利联邦经济商会”（Wirtschaftskammer Österreich或WKO）经济和贸易政策部门的雇员他们分析了奥地利商业利益的趋势，并评估了研究和 预 测 全 国 不 同 地 区 两 名 参 与 者 都 使 用 Microsoft Excel（Microsoft，2018）以及来探索和展示他们的数据。然而，他们报告说缺乏支持他们工作的视觉工具因此，预计它们也缺乏视觉指导。一位参与者熟悉我们的第三位学员是一位经济学家，他在一家国际公司担任全球财务总监。与其他两名参与者不同，他们负责整个地区和多个公司的生产力，P3只对公司的业务感兴趣。因此，P3正在寻找一个系统，可以支持投资决策与信息有关的产品供应链网络。P3使用最多的工具是Microsoft Excel Sheets（Microsoft，2018），P3声称熟悉其中存在的简单可视化数据表示。P4：为了对Hermes的指导方面进行集中的定性评估，我们邀请了一位研究重点为指导的VA专家研究员。参与者被用于开发VA技术。P5：我们的第五位参与者是一位金融欺诈专家，在一家国家银行工作。P5声称熟悉各种可视化技术，并且在她/他的工作中，她/他使用可视化来进行演示和探索建议。5.3. 概览板评估（P1、P2、P3）我们设计了概述任务（OT）来评估两块Hermes任务如下：OT1：奥地利最大的行业是什么OT2：哪些地区的制造业公司较多？OT3：主要区域是什么？为什么？为什么？OT4：通过查看矩阵视图并与之交互（图 2：B '），你能得出什么样的结论？R. A. 莱特A. Arle