论文：MobilityGraphs: Visual Analysis of Mass Mobility Dynamics via Spatio-Temporal Graphs and Clustering

作者：Tatiana von Landesberger, Felix Brodkorb, Philipp Roskosch, Natalia Andrienko, Gennady Andrienko, and Andreas Kerren

发表会议：TVCG2015

了解人类移动的规律对于政策制定和城市规划有着至关重要的作用。移动数据集纪录了人们在不同时刻出现的位置以及人们在不同地点之间的移动流。分析移动数据的困难点在于比较不同时刻的空间位置（spatial situations）以及了解空间位置随时间的变化。传统的流可视化方法会造成大量的杂乱现象，同时现代的方法不支持长时间段下的分析复杂的移动数据。因此，作者提出了一种结合基于时间和空间的简化和可视分析的方法解决了以上问题。

继续阅读 =>

论文：Refinery: Visual Exploration of Large, Heterogeneous Networks through Associative Browsing

作者：S. Kairam , N. H. Riche , S. Drucker , R. Fernandez2 , and J. Heer

发表会议：EuroVis 2105

这篇文章提出了一种基于关联浏览的大规模异构网络可视探索的技术。浏览策略是电子书合集导航中的常用策略。关联浏览则是指以收集特定主题或是一般性知识为目的，按照环境线索不断迭代，最终完成探索目标的浏览过程。

继续阅读 =>

论文：Temporal MDS Plots for Analysis of Multivariate Data
作者：Dominik Jäckle, Fabian Fischer, Tobias Schreck, Daniel A. Keim
发表会议：TVCG 2015

在网络信息安全领域，潜在的威胁多种多样。描述这类行为的网络流数据具有多元和时序特征，而传统的监督学习方法中需要人们输入一组已知类别的样本，这对于网络流数据是不合适的。本文采用可视化的技术手段，利用多元尺度法(Multi-dimensional Scaling)对网络流数据进行1维投影映射到屏幕纵坐标，同时将时间维度映射到屏幕横坐标，进而得到2维时序MDS图。MDS方法尽可能地保留了投影点在原来高维空间的相似性，利用人眼在模式识别上的优势，用户可以很快地识别出一个个“异常”模式。进一步，用户可以对“异常”模式背后的原始网络流数据进行分析，得出相应结论。

继续阅读 =>

论文：VAiRoma- A Visual Analytics System for Making Sense of Places Times and Events in Roman History
作者：Isaac Cho, Wewnen Dou, Derek Xiaoyu Wang, Eric Sauda and William Ribarsky

发表会议：infovis 2015

本文提出了集文本分析和时空分析的可视分析系统VAiRoma，帮助人们快速查找古罗马历史文献以学习和了解古罗马的历史。相关工作提到了sensemaking, 主题趋势可视化、维基百科文本数据可视化、历史可视化等方面的工作。

本文使用的数据来源于维基百科的网页文本数据，提取包含Roma、Roman、Rome等与罗马相关的词语的页面，数据量有大约189000篇文章。之后，对数据进行预处理，包括提取主题、提取地点、坐标和时间。其中主题提取采用了另外一篇论文《I‐SI: Scalable Architecture for Analyzing Latent Topical‐Level Information From Social Media Data》中的方法，共提取了40个主题；地点抽取采用Stanford NER方法，并用GeoNames API进行精确定位，重名的地点收到纠正；时间抽取则是采用Stanford NER和正则表达式匹配的方式实现。最后将数据展现在可视化界面上，图1是系统流程图。

图1

继续阅读 =>