Romain Vuillemot LIRIS

Présentation au sujet: "Romain Vuillemot LIRIS"— Transcription de la présentation:

1 Romain Vuillemot LIRIS
Navigation visuelle personnalisée dans des masses de données Visualisation du jeu de données IMDB Romain Vuillemot LIRIS

2 Plan de l’exposé 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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

3 Plan de l’exposé 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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

4 Présentation « Navigation personnalisée
: 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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

5 Exemple Présentation linéaire par pagerank décroissant
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot Présentation linéaire par pagerank décroissant Cartographie 2D sémantique des résultats

6 Modèle de représentation des données
[ 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.. ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

7 Réutilisation du profil utilisateur
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot 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, .. Profils

8 Réutilisation du profil utilisateur
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot 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, .. Profils Rôle du serveur de tests VizOD

9 VizOD : serveur de tests
« 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++) ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

10 VizOD : architecture Architecture :
On centralise ce qui demande du temps Construction de la structure de représentation Disposition (spatialisation) de la structure On décentralise ce qui demande de la réactivité Reformulation de la disposition Rendu/Point de vue sur les données Résumé : on génère des images que l’on réinjecte dans l’environnement applicatif de l’utilisateur ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

11 VizOD : architecture 06/06/2007Romain Vuillemot
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

12 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? ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

13 Plan de l’exposé 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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

14 Représentations existantes
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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot Strangers can recommend movies to each other! Peu performant dans le cas de MDD Nécessité d’utiliser d’autres formes de représentation (métaphores visuelles) et d’ interaction ( post-Wimp, multimodale, ..)

15 Une visualisation de IMDB
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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

16 Machine : Linux (distribution Fedora/Red Hat 4.0.2-8) avec un noyau
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot Résolution : 1/10 000ème Temps de calcul : 39s Machine : Linux (distribution Fedora/Red Hat ) avec un noyau 2.6.16, 512 Mo de Ram, un processeur AMD AthlonTMXP (1.8 GHz) doté de 512 KB de mémoire cache. Librairie LGL.

17 Machine : Linux (distribution Fedora/Red Hat 4.0.2-8) avec un noyau
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot Résolution : 1/1000ème Temps de calcul : 374s Machine : Linux (distribution Fedora/Red Hat ) avec un noyau 2.6.16, 512 Mo de Ram, un processeur AMD AthlonTMXP (1.8 GHz) doté de 512 KB de mémoire cache. Librairie LGL.

18 Analyse de la représentation
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. ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

19 Exemples de personnalisation
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, IEEE Computer Society. ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

20 Exemple de coordination
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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

21 Bilan de la personnalisation
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 ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

22 Conférence InfoVis Conférence IEEE (créée en 1995) sur la visualisation d’information InfoVis Contest (associé à InfoVis depuis 2003) 2004 : bibliography 2006 : U.S. Census Data 2007 : … ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot Concours infovis = trec

23 InfoVis’07 Contest 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. C’est une question très ouverte Possibilité d’utiliser MovieLens, préférences des utilisateurs, .. ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

24 Des idées? 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) ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot

25 Fin Des questions? 06/06/2007Romain Vuillemot
ACI MASSES DE DONNEES - PROJET MD33/ APMD: ACCES PERSONNALISE A DES MASSES DE DONNEES INSA de Lyon 06/06/2007Romain Vuillemot