Romain Vuillemot liris



Yüklə 445 b.
tarix02.11.2017
ölçüsü445 b.
#27597


  • Romain Vuillemot

  • LIRIS


  • Navigation personnalisée dans des masses de données

    • Modèle de représentation visuelle
    • Plateforme de tests VizOD
  • Cas du jeu de données IMDB

    • Une visualisation du jeu de données
    • Personnalisation
    • Concours InfoVis’07


  • Navigation personnalisée dans des masses de données

    • Modèle de représentation visuelle
    • Plateforme de tests VizOD
  • Cas du jeu de données IMDB

    • Une visualisation du jeu de données
    • Personnalisation
    • Concours InfoVis’07


Présentation

  • 2006-2009 : Allocataire moniteur LIRIS/INSA Lyon

  • Encadré par Béatrice Rumpler & Jean-Marie Pinon

    • « Navigation personnalisée
    • dans de grands ensembles de documents :
    • Modèle et représentation visuelle »
  • But : améliorer l’accès visuel à de grands ensembles de données

  • Idée : réutiliser la connaissance du profil utilisateur dans la présentation et l’interaction avec les résultats



Présentation linéaire par pagerank décroissant

  • Présentation linéaire par pagerank décroissant



[ VRP07 ] Romain Vuillemot, Béatrice Rumpler, et Jean-Marie Pinon. L’hyper-accès au moyen du profil utilisateur. A paraître dans h2ptm’07 : Collaborer, Échanger, Inventer : Expériences de réseaux, Octobre 2007, Hammamet, Tunisie.

  • [ VRP07 ] Romain Vuillemot, Béatrice Rumpler, et Jean-Marie Pinon. L’hyper-accès au moyen du profil utilisateur. A paraître dans h2ptm’07 : Collaborer, Échanger, Inventer : Expériences de réseaux, Octobre 2007, Hammamet, Tunisie.

  • Extraction

    • Indexation/structuration des données, requêtes d’interrogation, transformation en structure interne, ..
  • Disposition

    • Représentation dans un espace 2D/3D/hyperbolique, colorisation, ajout de symboles..
  • Rendu

    • Support de rendu (image, vidéo), cadre applicatif, interactions..


  • Réutilisation du profil/connaissances de l’utilisateur :

    • Choix de la disposition et de la représentation
      • Réseau, arbre, position spatiale, couleurs, symboles,..
    • Choix du rendu
      • 2D/3D, cadre applicatif, ..


  • Réutilisation du profil/connaissances de l’utilisateur :

    • Choix de la disposition et de la représentation
      • Réseau, arbre, position spatiale, couleurs, symboles,..
    • Choix du rendu
      • 2D/3D, cadre applicatif, ..


« Visualization-On-Demand »

  • « Visualization-On-Demand »

    • Serveur de test
    • Reprend le paradigme du on-demand (choix de librairies graphiques, structures de données, ..) permettant la personnalisation.
    • Capitalisation
      • Connaissances (évaluations, design, ..)
      • Traces d’utilisation
      • Temps de calculs.
    • Installation (en cours) de librairies
      • Proviennent de nombreux domaines : informatique, biologie, chimie, .. qu’il faut homogénéiser.
      • Exmples : LGL (Java), Graphviz (C++) , Tulip (C++)






VizOD : perspectives

  • D’un point de vue technique

    • Identifier les choix de personnalisation (librairies, métaphores visuelles, ..)
    • Identifier et définir les stratégies d’intégration dans des cadres applicatifs
    • Augmenter l’exhaustivité en général
  • Définir des critères de personnalisation

    • Similarités avec les profils de sélection (construction, structure du profil, ..)?
    • Définition d’un profil visuel?
    • Vers un profil commun?


  • Navigation personnalisée dans des masses de données

    • Modèle de représentation visuelle
    • Plateforme de tests VizOD
  • Cas du jeu de données IMDB

    • Une visualisation du jeu de données
    • Personnalisation
    • Concours InfoVis’07


Visualisation analytique

  • Visualisation analytique

    • Spotfire : outil d’analyse permettant de répondre à des scénarios ou en faire émerger
      • Users who watch all the most popular movies do not like other movies as much


Base de données IMDB (24 tables, 25k à 4,5M de champs). Peut-on avoir une vue quantitative sur les données?

  • Base de données IMDB (24 tables, 25k à 4,5M de champs). Peut-on avoir une vue quantitative sur les données?

    • Par exemple sous forme d’arbre : une racine artificielle, chaque fils sera une table et chaque feuille une entrée dans la table
      • Répond à la question : quelle est la proportion des différentes tables?
  • Etapes de représentation visuelle

    • Requêtes d’extraction des données (SELECT ALL ..)
    • Construction d’un arbre (ajout d’une racine artificielle)
    • Conversion en GML (Graph Modeling Language)
    • Disposition avec LGL (Ajout de composantes spatiales au graphe) par auto-organisation.
    • Rendu avec LGL (Conversion du graphe spatialisé en image)
    • Affichage






Aspects positifs

  • Aspects positifs

    • On a une vue globale et immédiate
      • Mais uniquement quantitative
    • Utilisation des capacités de l’être humain :
      • Clustering, classification, ..
      • Ne requiert pas de lourd apprentissage
  • Aspects négatifs

    • Pas temps réel : attente par l’utilisateur
      • Anticiper le comportement de l’utilisateur
    • Navigation difficile
      • Identifier les ressources disponibles (écrans, espaces, ..)
      • Il faut coordonner!
  • BILAN : définir une stratégie (objectif , qualité de résultat, ..) en identifiant le contexte d’usage (ressources d’interaction disponibles, environnement) : utiliser le profil utilisateur.



Disposition:

  • Disposition:

    • Couleurs des arêtes : historique en rouge
    • Icônes sur les sommets : affiche de films
    • Symboles sur les sommets : chiffres
    • Utiliser l’espace : rapprocher des films ayant le même casting
  • Rendu (travaux en cours)

    • Choix de l’application, choix de l’interaction, ..
  • Stratégie d’accès aux données (travaux en cours)

    • Overview, zoom & details [Shn96]
    • Focus+Context
    • Approches multi-résolutions
  • [Shn96] Ben Shneiderman. The eyes have it : A task by data type taxonomy for information visualizations. Proceedings of the 1996 IEEE Symposium on Visual Languages, page 336, Washington, DC, USA, 1996. IEEE Computer Society.



Assister la tâche de l’utilisateur avec une visualisation personnalisée des données.

  • Assister la tâche de l’utilisateur avec une visualisation personnalisée des données.

  • Coordonner les vues

    • Couleur, formes, distances, ..
    • A partir de plusieurs points de vue, représentations
  • Approches multi-résolution

    • Pour gagner du temps
      • Agrégation sémantique
      • Agrégation visuelle


Deux approches de personnalisation émergent :

  • Deux approches de personnalisation émergent :

    • Côté représentation et interaction (voir modèle) :
      • Choix de métaphore visuelle, d’environnement, de résolution, ..
    • Côté données :
      • Ajout de données « invisibles » ou « implicites » dans la représentation :
        • Historique, traces, autres utilisateurs, ..
        • Ces données pourront être personnalisées dans leur représentation.
  • Choix d’une approche? Approches mixtes?

    • Travaux en cours


Conférence IEEE (créée en 1995) sur la visualisation d’information

  • Conférence IEEE (créée en 1995) sur la visualisation d’information

    • http://www.infovis.org/
  • InfoVis Contest (associé à InfoVis depuis 2003)



The (2007) data set consists of about Hollywood movies including actors, actresses, awards, and similar. This year's focus is on the design aspects of the visualization in addition to its exploratory and analytical aspects, and entrants are encourages to augment the data set with any publicly available data.

  • The (2007) data set consists of about Hollywood movies including actors, actresses, awards, and similar. This year's focus is on the design aspects of the visualization in addition to its exploratory and analytical aspects, and entrants are encourages to augment the data set with any publicly available data.

    • http://conferences.computer.org/infovis/infovis2007/contest.html
    • C’est une question très ouverte
    • Possibilité d’utiliser MovieLens, préférences des utilisateurs, ..


IMDB dataset déjà très utilisé (structure en graphe, requêtes bases de données, small world)

  • IMDB dataset déjà très utilisé (structure en graphe, requêtes bases de données, small world)

  • Autres Pistes?

    • Visualiser le jeu de données de manière personalisée? Quels critères?
    • Visualiser la personnalisation du jeu de données?
    • Visualisation la propagation d’une requête?
    • Visualiser les préférences/évaluations?
  • Autres idées? (deadline le 13 juillet 2007)



Fin

  • Des questions?



Kataloq: publis
publis -> Australian Government Department of Health and Ageing Medicare Benefits Schedule Book Pathology Services Category 6 Operating from 01 November 2010
publis -> Australian Government Department of Health and Ageing Medicare Benefits Schedule Book Pathology Services Category 6 Operating from 01 July 2010
publis -> Australian Government Department of Health and Ageing Medicare Benefits Schedule Book Pathology Services Category 6 Operating from 01 January 2010
publis -> Major Events in 2008 January
publis -> "Preliminary results for the realization of light emitters on silicon substrate"
publis -> Australian Government Department of Health and Ageing Medicare Benefits Schedule Book Pathology Services Category 6 Operating from 01 January 2011
publis -> 1 I. Alghoraibi, T. Rohel, R. Piron, A. Nakkar, H. Folliot, N. Bertru, A. L. Corre and S. Loualiche
publis -> Australian Government Department of Health and Ageing Medicare Benefits Schedule Book Pathology Services Category 6 Operating from 01 May 2010
publis -> Health star rating system: consumer use and understanding

Yüklə 445 b.

Dostları ilə paylaş:




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©muhaz.org 2022
rəhbərliyinə müraciət

    Ana səhifə