信息可視化

出自 MBA智库百科(https://wiki.mbalib.com/)

信息可視化(Information visualization)

　　信息可視化是由斯圖爾特·卡德(Stuart K．Card)、約克·麥金利(Jock D．Mackinlay)和喬治·羅伯遜(George G．Robertson)於1989年提出的，它是一個跨學科領域，旨在研究大規模非數值型信息資源的視覺呈現，如軟體系統之中眾多的文件或者一行行的程式代碼，以及利用圖形學的技術與方法幫助人們理解和分析數據口。

　　信息可視化將數據信息和知識轉化為一種視覺形式，充分利用人們對可視模式快速識別的自然能力。從某種層面上說，任何事物都可認為是一類信息：圖形、表格、地圖以及一些加了文本的流程圖，都能為人們提供一種信息傳遞的方式或手段，甚至能表現出隱喻的事情。^[1]

　　信息可視化起源於多個方面。首先是1786年蘇格蘭政治經濟學家W．Playfair在圖形數據方面的工作，他也許是最早利用線和麵等可視化表示數據的人。從此，產生了用圖形表示數據的經典方法。1967年，一位法國製圖工作者J．Bertin發表了他們的圖形理論。這一理論指明瞭圖表的基本元素，描述了圖表的設計框架。1983年美國耶魯大學統計學教授E．R．TuRe發表了數據圖理論。Bertin與TuRe的理論在許多領域是著名的和有影響的，這引起了信息可視化的大發展。在信息可視化的發展過程中，科學可視化的產生與發展起了決定性的推動作用。“信息可視化”這一術語最早出現在1989年G．Rob—e~son、S．Card與J．Mackinlay的論文中， 目前信息可視化已成為一個與科學可視化併列的研究領域。

　　1.信息可視化應用的分類。馬利蘭大學教授本·施奈德曼(Ben Shneiderman)把數據分成以下七類：一維數據(1一D)、二維數據(2-D)、三維數據(3一D)、多維數據(multidimensiona1)、時態數據(TemporaD、層次數據(tree)、和網路數據(Network)。信息可視化方法根據不同的數據也可劃分為以下七類：

　　(1)一維信息可視化。一維信息是簡單的線性信息，如文本，或者一列數字。最通常的一維信息可能就是文本文獻了。在很多情況下，可視化文本文獻不是必要的，因為它們可以容易地被完整閱讀，或者閱讀所需要的特定部分。然而，在某些情況下，我們需要藉助可視化技術增加文本信息的有效性。

　　(2)二維信息可視化。在信息可視化環境中，二維信息是指包括兩個主要屬性的信息。寬度和高度可以描述事物的大小，事物在x軸和Y軸的位置表示了它在空間的定位。城市地圖和建築平面圖都屬於二維信息可視化。

　　(3)三維信息可視化。三維信息通過引入體積的概念超越了二維信息。許多科學計算可視化都是三維信息可視化，因為科學計算可視化的主要目的就是表示現實的三維物體。電腦模型可以讓科學家模擬試驗、操作那些現實世界中代價昂貴、實施困難、非常危險或者是現實世界中不可能進行的事情。

　　(4)多維信息可視化。多維信息是指在信息可視化環境中的那些具有超過3個屬性的信息，在可視化中，這些屬性的重要性是相當重要的。

　　(5)時間序列信息可視化。有些信息自身具有時間屬性，可以稱為時間序列信息。比如，一部小說或者新聞就可以有時間線。學者Liddy建立了一個從文本信息中抽取時間信息的系統SHESS。該系統自動生成一個知識庫，這個知識庫聚集了關於任何已命名的實體(人、方位、事件、組織、公司或者思想觀念)的信息，並且按照時間序列組織這些知識，這個時間序列覆蓋了知識庫的整個周期。

　　(6)層次信息可視化。抽象信息之間的一種最普遍關係就是層次關係，如磁碟目錄結構、文檔管理、圖書分類等。傳統的描述層次信息的方法就是將其組織成一個類似於樹的節點連接表示。這種表示結構簡單直觀，但是，對於大型的層次結構而言，樹形結構的分支很快就會擁擠交織在一起，變得混亂不堪，這主要是因為層次結構在橫向(每層節點的個數)和縱向(層次結構的層數)擴展的不成比例造成的。

　　(7)網路信息可視化。目前，Web的信息不計其數，這些信息分佈在遍及世界各地的數以萬計的網站上，網站通過文檔之間的超鏈接彼此交織在一起。不論Web現在的規模有多大，它還將繼續膨脹。

　　2.數字圖書館可視化。自美國科學家9O年代初提出了數字圖書館概念後，以驅動多媒體海量數字信息組織與互聯網應用問題各方面研究的技術領域開始在全球迅速發展起來。將信息可視化技術引入到數字圖書館領域，解決信息需求與服務的個性化，信息提供的個性化等問題，可以通過信息可視化嘗試解決發展問題。這一領域主要關於信息檢索過程可視化和信息結果可視化。用戶作為信息使用者的同時也是信息構建者，通過增加檢索路徑到信息空間，這些增加的路徑給其他用戶檢索其他路徑提供了有價值的信息。

　　1.可視化數據挖掘(Data-mining vi suaI ization)。

　　信息可視化不僅用圖像來顯示多維的非空間數據，使用戶加深對數據含義的理解，而且用形象直觀的圖像來指引檢索過程，加快檢索速度。在信息可視化中，顯示的對象主要是多維的標量數據，目前的研究重點在於，設計和選擇什麼樣的顯示方式才能便於用戶瞭解龐大的多維數據及它們相互之間的關係，其中更多地涉及心理學、機交互技術等問題。可視化數據挖掘是一個使用可視化技術在大量的數據中發現潛在有用知識的過程，它可以將許多數據同時顯示在屏幕上，並將每一個數據值映射成屏幕的一個像素。像素的顏色對應於每個數據值或是數據值與給定查詢值之間的差值。在這種技術中，用戶由可視化的視覺反饋指導並且能更快地研究資料庫中數據的眾多特性。可視化數據挖掘的關鍵技術主要包括三個方面，即交互性技術、選擇查詢技術和可視化模型。目前，可視化數據挖掘主要有兩種分類系統，一種是Keim提出的分類體系，另外一種是Card提出的分類體系，下麵分別介紹這兩種分類體系的具體內容：

　　(1)Keim的分類體系。Keim等人將面向多變數和多維信息的可視化數據挖掘技術分為六大類，包括：一是像素導向(Pixel-based)技術；二是幾何映射(Geometric projecfion)技術；三是圖標技術(Icon-based)：四是分層技術；五是圖形技術；六是混合技術。

　　(2)Card的分類體系。Card等人根據信息可視化的類型將可視化數據挖掘技術分為四個層次。最高層的可視化工具可以為用戶提供在其運行環境之外(如在Intemet或線上伺服器上收集)進行信息收集的可視化途徑；第二層可視化工具旨在通過創建信息工作空間的快速獲取和高度交互的可視化表示來支持用戶執行任務。第三層是可視化的知識工具，描述數據的可視化表達，它提供了一個控制集用以與這些可視化的表達進行交互，這就使用戶能夠確定並提取數據的關係。第四層次是增強的可視化對象，它的目標在於揭示對象內部的一些本質信息。

　　2.可視化技術在空間信息挖掘中的應用。

　　空間數據挖掘通常以地圖應用為主，通常表現為地理現象的分佈規律、聚類規律、發展演變規律、相連共生的關聯規則等；而應用數據挖掘在GIS遙感影象解譯中，由於同物異譜和同譜異物的存在，單純依靠光譜值知識的統計分類和特征提取難以滿足要求，如果能將空間目標的關聯知識考慮進去，可以大大提高自動化和準確程度。由此可見，數據挖掘與GIS集成可以根據不同的研究內容分為面向空間要素的數據挖掘、面向非空間要素的數據挖掘和空間要素信息與非空間要素信息的聯合數據挖掘。根據不同的類型，所選的可視化技術也不相同，需要根據實際情況決定採用何種可視化數據挖掘技術。面向空間要素的數據挖掘主要是挖掘空間實體間的空間關係、空間規則和特征信息，主要從兩種數據挖掘的粒度—— 基於目標實體和柵格來考慮的。面向非空間要素的數據挖掘是對經過空間化後的數據在非空間層次進行一般的數據挖掘，即建立在對GIS所管理的空間實體所對應的屬性信息的數據挖掘，然後利用GIS對所挖掘的結果進行表達，是一種較低層次的數據挖掘與GIS集成應用。空間要素和屬性信息關聯的空間數據挖掘不同於前兩者的數據挖掘集成，它的研究內容不僅僅局限於對地理要素的空間位置和空間關係的研究，而還包括對空間現象(四季變換、溫度變化、颳風降水)、空間因素(高山、谷地、平原)、空間組成(土壤、地貌、植被、水域、礦產)、空間活動(動物變遷、人類活動、水土流失、沙漠侵蝕)等的研究，力圖從中揭示出相互影響的內在機制與規律。

　　3.KM可視化。

　　(1)知識管理體系。所謂的“知識工作者”(Knowledge worker)最主要的任務之一，就是如何在做決策前已具備或搜集到所需知識。而如何利用網路資源和信息技術手段，系統地搜尋知識、整理知識、組織知識、並最終有效地加以利用則是知識：作者必備的技能。但是純粹以文字組織知識不僅困難而且無法展現其全貌。特別是對隱性知識，用純文字的紀錄很難說將知識片段間錯綜複雜的關聯說清楚。思考大師狄波諾認為，避免人類浯言造成的僵化，有一個很好的辦法，就是在思考的時候，腦海裡儘量多用“圖形”少用文字。一個完整的知識管理體系應該包括：知識收集、知識提煉、知識存儲和知識應用四個階段。這是個迴圈往複，螺旋上升的過程，藉助可視化方法表現它， 可以幫助我們更準確地理解它們的相互關係，並尋找和發現新的可視化“隱喻”來表示知識。如前所述，知識收集，知識提煉，知識存儲和知識應用是知識管理因為“隱性知識”要能夠轉化為“顯性知識”才能夠被紀錄保存，這個過程叫做隱形知識的“表達外化”；而“顯性知識”則經過人類大腦的綜合組織，被作為“隱形知識’而保存在腦中。知識形態之間的轉化，需要一種視覺化模型來表達和呈現，就好比UML(Unified Modeling Language; 統一建模語言)作為一種可視化建模語言，被用作軟體開發流程中的分析和設計階段一樣。

　　(2)幾種已有的知識可視化工具。一是概念圖(Concept Map)。概念圖是康乃爾大學的諾瓦克(J．D．Noval0 博士(Novak，J．D．&Gowin，D．B，1984)根據奧蘇貝爾(David P．Ausube1)的有意義學習理論提出的一種教學技術。它通常將某一主題的有關概念置於圓圈或方框之中，然後用連線將相關的概念和命題連接，連線上標明兩個概念之間的意義關係。二是思維導圖(Mind Map)。思維導圖最初是20世紀60年代英國人托尼·巴贊(Tony Buzan)(1999)創造的一種筆記方法。托尼·巴贊認為思維導圖是對發散性思維的表達，因此也是人類思維的自然功能，是打開大腦潛能的萬能鑰匙，可以應用於生活的各個方面。三是認知地圖(Cogui．tiveMaps)。認知地圖也被稱為因果圖(CausalMaps)，是由Ackerman&Eden(2001)提出的，它將“想法”(ideas)作為節點，並將其相互連接起來。

　　(3)可視化知識建模語言KML(Knowl—edge Modeling Language)。如何在浩瀚信息海洋中獲取自己所需的知識，進而進行有效的管理並最終利用知識創造價值是知識管理的重要目標。而如何構建良好的知識模型來存儲和表達所需的知識，是知識創造價值過程的關鍵因素。針對這種需求，提出了可記錄隱性知識的可視化知識建模語言(KML)，通過使用可視化知識建模語言人們可以將內在的知識記錄轉化為圖形化的文檔，從而得以展現知識的全貌，而知識的使用也變得更加直觀和有效。

　　4.信息可視化商品。目前，信息可視化技術的產品化、商品化趨勢已經顯露出來。總的來說，信息可視化技術商品化有兩種模式：一種是將信息可視化技術轉化為信息可視化產品，如treemap、theBrain、1N—SP1RETM等；另一種是信息可視化技術與現有軟體結合，即信息可視化技術被其他軟體採納，作為其他軟體的構件而存在，可視化技術在商務智能中的應用就屬於這種模式。

　　科學可視化是空間數據場的可視化。它是人們為了在計算過程、數據處理流程中瞭解數據的變化情況，通過圖形、圖像、圖表以及其他可視化手段來檢查、分析處理結果數據的過程。在科學可視化中，顯示的對象涉及標量、矢量及張量等不同類別的空間數據，研究的重點放在如何真實、快速地顯示三維數據場。信息可視化則是指非空間(非結構)數據的可視化，它主要是用圖像來顯示多維的非空間信息，使用戶加深對信息含義的理解，同時利用圖像的形象直觀性來指引檢索過程，加快檢索速度。在信息可視化中，顯示的對象主要是多維的標量數據，其研究重點在於：設計和選擇什麼樣的顯示方式才能便於用戶瞭解龐大的多維數據及它們相互之間的關係，這其中更多地涉及心理學知識、人機交互技術等問題。從圖形生成的角度來看，信息可視化難度要小於科學計算可視化。但是，從心理學和人機交互的角度來說，它是一個還未曾進行過充分研究的新領域。

　　現在將科學可視化與信息可視化的具體區別總結如下。見下表：