한국HCI학회논문지 (Journal of the HCI Society of Korea)

  • 제10권1호
  • /
  • Pages.5-17
  • /
  • 2015
  • /
  • 1976-0671(pISSN)
  • /
  • 2671-7611(eISSN)
한국HCI학회 (The HCI Society of Korea)
권호 표지

공공데이터에 적합한 다양한 소셜 그래프 비주얼라이제이션 알고리즘 제안

Social graph visualization techniques for public data

  • 이만재 (차세대융합기술연구원) ;
  • 온병원 (군산대학교 통계컴퓨터과학과)
  • 투고 : 2014.08.19
  • 심사 : 2015.01.15
  • 발행 : 2015.05.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

최근 다양한 공공데이터가 개방되고 있으며, 적절한 데이터 마이닝과 시각화 알고리즘을 통해 일반 시민에게 서비스 되고 있다. 이를 통해 정부와 지방자치단체는 공공 정책의 투명성과 효율성을 널리 알릴 수 있을 뿐 아니라, 일반 사용자들이 개방된 공공데이터를 재가공하여 서비스함으로써 관련 산업의 성장을 이끌고 있다. 공공데이터의 최종 사용자는 일반 시민이기 때문에, 누구나 손쉽게 이해할 수 있도록 공공데이터를 적절히 시각화하는 것이 무엇보다 중요하다. 본 연구에서는 공공데이터 비주얼라이제이션의 중요성을 널리 알리기 위해, 일반 국민이 관심을 가질만한 공공데이터로 UN 회원국의 투표 데이터를 고려한다. 외교와 교육 목적으로 그 활용 가치가 높고 데이터를 쉽게 얻을 수 있는 장점이 있다. 또한 적절한 데이터 마이닝과 시각화 과정을 거친다면, 일반 사용자들이 유엔 회원국 간의 투표 성향에 대한 통찰력을 쉽게 얻을 수 있다. 유엔 투표 데이터를 시각화하기 위해서는, 회원국 간의 투표성향 유사도를 측정하고, 이를 바탕으로 소셜 그래프를 구현한다. 그리고 그래프 레이아웃 알고리즘을 적용하여 그래프를 화면에 렌더링 하게 된다. 기존 방법을 이용하여 소셜 그래프를 비주얼라이제이션 할 경우에 그래프의 복잡도가 증가하여 유엔 회원국 간의 투표성향을 파악하는데 큰 어려움이 있다. 이러한 문제를 개선하기 위해, 본 논문에서는 친구 매칭(Friend-Matching), 친구-라이벌 매칭(Friend-Rival Matching), 버블힙(Bubble Heap) 알고리즘들을 차례로 제안한 다. 제안된 알고리즘을 바탕으로, 기존 그래프 비주얼라이제이션을 개선하여 일반 사용자들이 손쉽게 유엔 회원국 간의 투표성향과 관련된 특정 패턴이나 통찰력을 얻는데 큰 도움을 줄 것이다. 또한 웹에서 동작하는 프로토타입을 구현하여, 누구나 방문하여 테스트를 할 수 있다. 웹 페이지 주소: http://datalab.kunsan.ac.kr/politiz/un/

Nowadays various public data have been serviced to the public. Through the opening of public data, the transparency and effectiveness of public policy developed by governments are increased and users can lead to the growth of industry related to public data. Since end-users of using public data are citizens, it is very important for everyone to figure out the meaning of public data using proper visualization techniques. In this work, to indicate the significance of widespread public data, we consider UN voting record as public data in which many people may be interested. In general, it has high utilization value by diplomatic and educational purposes, and is available in public. If we use proper data mining and visualization algorithms, we can get an insight regarding the voting patterns of UN members. To visualize, it is necessary to measure the voting similarity values among UN members and then a social graph is created by the similarity values. Next, using a graph layout algorithm, the social graph is rendered on the screen. If we use the existing method for visualizing the social graph, it is hard to understand the meaning of the social graph because the graph is usually dense. To improve the weak point of the existing social graph visualization, we propose Friend-Matching, Friend-Rival Matching, and Bubble Heap algorithms in this paper. We also validate that our proposed algorithms can improve the quality of visualizing social graphs displayed by the existing method. Finally, our prototype system has been released in http://datalab.kunsan.ac.kr/politiz/un/. Please, see if it is useful in the aspect of public data utilization.

키워드

참고문헌

  1. Beauguitte, L. Looking for European Union in the word-system: A multi-graph approach. European Regional Science Association Conference. Available at http://wwwsre.wu.acat/ersa/ersaconfs/ersa10/ERSA2010finalpaper698.pdf. 2010.
  2. Brandes, U. and Wagner, D. A Bayesian paradigm for dynamic graph layout. Graph Drawing. Springer Berlin Heidelberg. 1997
  3. De Leeuw, J. Principal component analysis of binary data by iterated singular value decomposition. Computational Statistics & Data Analysis 50(1): 21-39. 2006. https://doi.org/10.1016/j.csda.2004.07.010
  4. Fruchterman, T. and Reingold, E. Graph drawing by force-directed placement. Software: Practice and Experience 21(11): 1129-1164. 1991. https://doi.org/10.1002/spe.4380211102
  5. GapMinder. Available at http://www.gapminder.org. 2014.
  6. GovTrack.us: Tracking the U.S. Congress. Available at http://www.govtrack.us
  7. Herman, I. Graph visualization and navigation in information visualization: A survey. IEEE Transactions on Visualization and Computer Graphics 6(1):24-43. 2000. https://doi.org/10.1109/2945.841119
  8. ISO 3166-1 alpha-3. Available at http://en.wikipedia.org/wiki/ISO_3166-1_alpha-3.
  9. Jakulin, A. and Buntine, W. Analyzing the US Senate in 2003: Similarities, networks, clusters and blocs. Available at http://kt.ijs.si/aleks/Politics/us_senate.pdf. 2004.
  10. Kang, U., Lee, J., Koutra, D. and Faloutsos, C. Net-Ray: Visualizing and mining billion-scale graphs. Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD). Taiwan. 2014.
  11. Odewahn, A. Visualizing the U.S. Senate social graph (1991-2009). Beautiful Visualization. O'Reilly. pp.123-142. 2010.
  12. OECD. Better life initiative, your life index. Available at http://www.oecdbetterlifeindex.org.
  13. Open Knowledge Foundation. Europe's energy. Available at http://energy.publicdata.eu/ee/vis.html.
  14. Open Knowledge Foundation. Where does my money go?. Available at http://wheredoesmymoneygo.org/dashboard.
  15. Voeten, E. and Merdzanovic, A. United nations general assembly voting data. Available online on 2010.
  16. 감미아, 송민. 텍스트 마이닝을 활용한 신문사에 따른 내용 및 논조 차이점 분석. 지능정보연구. 제18권 3호. pp. 53-77. 2012. https://doi.org/10.13088/JIIS.2012.18.3.053
  17. 박대민, 김기남, 강남용, 서봉원, 하효지, 온병원, 저널리즘 가치에 기초한 알고리즘을 이용한 뉴스 시각화. 한국HCI학회 논문지. 제9권 2호. 한국HCI학회. pp. 5-12. 2014.
  18. 온병원, 이인규, 이만재. Link structure based community detection 알고리즘의 제안과 소셜 네트워크 분석 및 비주얼라이제이션을 위한 사례 연구. HCI2012 학술대회 논문집. 하이원 리조트. pp. 294-297. 2012.