.png){kind=icon}
返回
Visual aliasing entropy for perception-aware temporal aggregation in dynamic graph visualization
.png){kind=icon}
PRE
AI
DOI：10.1007/s00371-026-04647-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时序聚合在动态图可视化中广泛应用，用于减少视觉复杂度并提升可扩展性。然而，对于社区演化分析，粗粒度聚合可能压缩身份连续性线索，这些线索对于识别结构事件是必需的。我们引入视觉混叠熵（VA-熵），一种基于窗口内社区标签分布计算的数据驱动诊断指标，用于量化聚合引起的身份压缩。VA-熵并非基于渲染像素、布局、视觉显著性或视觉编码得出；相反，其感知相关性通过用户行为进行评估。我们针对合成动态网络（具有明确指定的成员身份转换）进行了受控研究，招募了31名技术培训参与者，并开展了2232次事件分类试验。结果显示，较高的VA-熵与较低的识别准确率、较长的反应时间、更大的交互努力以及较低的置信度相关。在调整后的广义估计方程（GEE）模型中，控制事件类型和聚合窗口大小后，归一化VA-熵每增加0.1，正确分类的几率大约降低34%。这些发现表明，时序分辨率应被视为具有感知相关性的设计参数。VA-熵可以通过标记看似简单但可能隐藏社区演化解释所需身份转换的聚合窗口，补充结构或视觉复杂度标准。代码、刺激物、匿名行为日志和分析脚本可在项目仓库中获取：https://github.com/jinghanbreeze-sketch/DyG-Perception/tree/v1.0.1。
Keyword:
Dynamic graph visualization
Temporal aggregation
Perception-aware visualization
Community evolution
Identity continuity
Graph perception
期刊
IF:
2.9
论文数:
4.6K
被引数:
6.5K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
ZigzagNetVis: Suggesting Temporal Resolutions for Graph Visualization Using Zigzag PersistenceZigzagnetvis：利用折线持续法为图可视化推荐时间分辨率
PREAI
分享收藏Fine-Grained Lexical-Centric Semantic Network for Coherent Video Paragraph Captioning细粒度词汇中心语义网络用于连贯视频段落描述
PREAI
分享收藏MoNetExplorer: A Visual Analytics System for Analyzing Dynamic Networks With Temporal Network MotifsMoNetExplorer：一个用于分析动态网络中时序网络模体的可视化分析系统
PREAI
分享收藏
查看更多内容