Radial Sets系列文章

       Bilal Alsallakh是一位重叠集Overlap Set Visualization方向的资深学者，从2011年至2016年发表了7篇论文，循序渐进的改进与优化着他的Radial sets。

       我13年进入研究生阶段，机缘巧合，在研究初期就读了Alsallakh在当年(13年)发表在TVCG的最新成果《Radial Sets: Interactive Visual Analysis of Large Overlapping Sets》（以下简称Radial set），很感兴趣，但未做深入研究。有趣的是，时隔3年之后的今天，我即将毕业，在我的小方向中再次遇到Radial sets，重读一遍Alsallakh从11年至16年发表的Radial set系列文章，圆满画完这个圆。

 》Contingency Wheel: Visual Analysis of Large Contingency Tables  2011年发表于EuroVAST

      1.背景与Motivation

       本文使用的数据集是Book-Crossing dataset：每本书籍收到来自不同国家客户的打分，书籍具有出版商、作者属性，客户具有国家、年龄等属性。数据结构类似于contingency table ：行表示不同书籍，列表示不同客户所在的国家，第i行j列表示第j个国家给第i本书的打分数。

        这个表可能是不均衡的，有些国家的人对于某些书的打分特别高，所以想要分析这些书有哪些特性，同时这些书和其它哪些国家关联度也比较高，这也是本文的Motivation。
      2.可视隐喻metaphor

根据table计算每个书籍和国家的关联度rij，如下所示，fi+表示i行相加，f+j表示j列相加，rij意义也就是fij越大，所在行列的关联度越高。

        

        作者设计使用wheel来分析这种表格关联，section扇区表示列，行列交叉的数据点用点表示，点所在半径由行列的关联度r确定，关联度越高越靠近圆外；如果多个扇区中有公共的点则使用弦联系起来。Tr表示重要性阈值，用圆环表示，如图中紫色圆环；Ts为过滤阈值，当每一行的值相加小于Ts时忽略这一行。

        如下图，扇区表示国家，里面的点表示书籍，高亮的书籍同时被Germany Switzer Australia打过分，分数分别为7、3、2，所以在Germany扇区位于较外位置，而在Switzerland 和 Australia位于内部。

 

       交互包括：用户点击section中的点，其他section中的相同点高亮；用户点击section，和其分享相同书籍的section相连，相同书高亮。用户可以调整Tr圆环。

      3. 情景评估

       假设此时，我们有如下两个tasks，应用本文设计工具能否很好地解决问题呢？
       a. 找到相关联的出版商，并找到他们书的主要市场;
       b. 哪些作者写儿童文学？ 喜欢作者Sandra书的人也喜欢哪些其他作者？

       Task a: 将书籍(出版商)作为扇区，客户作为数据点，来自不同国家的客户使用不同颜色着色；这样就可以发现拥有共同客户的出版商，以及各个出版商的主要销售地域，如Gallimad和LGF有公共客户，Heyne出版商的书主要是DE国家的人购买。

       TASK b: 把书籍(作者)作为扇区，客户作为点，点的颜色表示客户的年纪，从图中可以直观看出经常和儿童客户相关的作者Ann.M Martin；点击Sandra，可以看到和Sandra共享粉丝的其他作者。