Mirrored dendrograms: An unsupervised semi-structured and feature-based interactive data visualization tool

doi:10.1007/s11042-026-21269-8

2026-02-06

PRE

Angela Moufarrej

Abdulkader Fatouh

Joe Tekli *

DOI：10.1007/s11042-026-21269-8

原文链接

原文求助

摘要

En 中文

可视化结构化数据特征之间的相关性对于有效的数据分析和决策制定至关重要。本文提出了一种新的交互式数据可视化工具，名为“镜像树状图”，该工具采用无监督、半结构化和基于特征的方法。它接受半结构化和多特征数据作为输入，允许用户选择要可视化和相互映射的目标特征，以及这些特征对可视化过程的相对影响（权重）。随后，它调用层次聚类过程，根据用户选择的特征对数据进行聚类，并为每个目标特征组合生成树状图结构。通过使用运输优化问题映射节点，这些树状图相互镜像。与现有的解决方案（如tanglegram和cluster heatmap）不同，镜像树状图提供了三个主要贡献：（i）通过内部节点连接树状图以描述其结构关系（而非仅连接叶节点），（ii）允许对数据进行缩放以在不同粒度级别展示其关系（与现有的静态解决方案相比），以及（iii）识别两个树状图之间的最佳缩放级别，以突出最大相关性，同时向用户呈现最少量的细节（从数据中获取最大价值，同时查看最少量的数据）。我们已使用多个用例场景评估该解决方案，包括电子健康记录（EHRs）、IMDB出版物、IMDB电影条目和语义SVG图（SSGs）实例。60名测试者参与了定量和定性评估，以评估该数据可视化工具，并与现有的解决方案（即tanglegrams和cluster heatmap）进行比较。测试者通过测量（i）用户识别两个数据条目之间匹配特征所需的时间，以及（ii）用户识别的映射特征的准确性来评估视觉质量。针对被比较的样本数据组的结果，进行了双样本t检验以验证其统计显著性。还进行了一项定性调查，以评估工具的可用性、交互性和数据缩放质量。结果表明该工具的质量和潜力令人鼓舞，优于其替代方案。

Keyword:

Data visualization

Data clustering

Dendrogram

Feature correlation

Similarity computation

Data granularity