그래프 구조를 갖는 서지 빅데이터의 효율적인 온라인 탐색 및 분석을 지원하는 그래픽 인터페이스 개발 Developing Graphic Interface for Efficient Online Searching and Analysis of Graph-Structured Bibliographic Big Data원문보기
최근 다양한 실세계의 복잡한 관계를 그래프의 형태로 구성하고 분석하는 다양한 연구들이 진행되고 있다. 특히 DBLP와 같은 컴퓨터 분야 문헌 데이터 시스템은 논문의 저자, 그리고 논문과 논문들이 서로 인용 관계로 표현되는 대표적인 그래프 데이터이다. 그래프 데이터는 저장 구조 및 표현이 매우 복잡하므로, 문헌 빅데이터의 검색과 분석, 그리고 시각화는 매우 어려운 작업이다. 본 논문에서는 문헌 빅데이터를 그래프의 형태로 시각화한 그래픽 사용자 인터페이스 도구, 즉 EEUM을 개발하였다. EEUM은 그래프 데이터를 시각적으로 표시하여 연결된 그래프 구조에 따라 문헌 데이터를 브라우징 하는 기능을 제공하며, 문헌 빅데이터에 대한 검색 및 관리, 분석이 가능하도록 구현하였다. 또한 EEUM을 DBLP가 제공하는 문헌 그래프 빅데이터에 적용하여 편리하게 검색, 탐색 및 분석하는 할 수 있음을 시연한다. EEUM을 이용하여 모든 연구 분야에서 영향력 있는 저자나 논문을 쉽게 찾을 수 있으며, 여러 저자와 논문 사이의 모든 관계를 한 눈에 볼 수 있는 등 복잡한 문헌 그래프 빅데이터의 검색 및 분석 도구로 편리하게 사용할 수 있다.
최근 다양한 실세계의 복잡한 관계를 그래프의 형태로 구성하고 분석하는 다양한 연구들이 진행되고 있다. 특히 DBLP와 같은 컴퓨터 분야 문헌 데이터 시스템은 논문의 저자, 그리고 논문과 논문들이 서로 인용 관계로 표현되는 대표적인 그래프 데이터이다. 그래프 데이터는 저장 구조 및 표현이 매우 복잡하므로, 문헌 빅데이터의 검색과 분석, 그리고 시각화는 매우 어려운 작업이다. 본 논문에서는 문헌 빅데이터를 그래프의 형태로 시각화한 그래픽 사용자 인터페이스 도구, 즉 EEUM을 개발하였다. EEUM은 그래프 데이터를 시각적으로 표시하여 연결된 그래프 구조에 따라 문헌 데이터를 브라우징 하는 기능을 제공하며, 문헌 빅데이터에 대한 검색 및 관리, 분석이 가능하도록 구현하였다. 또한 EEUM을 DBLP가 제공하는 문헌 그래프 빅데이터에 적용하여 편리하게 검색, 탐색 및 분석하는 할 수 있음을 시연한다. EEUM을 이용하여 모든 연구 분야에서 영향력 있는 저자나 논문을 쉽게 찾을 수 있으며, 여러 저자와 논문 사이의 모든 관계를 한 눈에 볼 수 있는 등 복잡한 문헌 그래프 빅데이터의 검색 및 분석 도구로 편리하게 사용할 수 있다.
Recently, many researches habe been done to organize and analyze various complex relationships in real world, represented in the form of graphs. In particular, the computer field literature data system, such as DBLP, is a representative graph data in which can be composed of papers, their authors, a...
Recently, many researches habe been done to organize and analyze various complex relationships in real world, represented in the form of graphs. In particular, the computer field literature data system, such as DBLP, is a representative graph data in which can be composed of papers, their authors, and citation among papers. Becasue graph data is very complex in storage structure and expression, it is very difficult task to search, analysis, and visualize a large size of bibliographic big data. In this paper, we develop a graphic user interface tool, called EEUM, which visualizes bibliographic big data in the form of graphs. EEUM provides the features to browse bibliographic big data according to the connected graph structure by visually displaying graph data, and implements search, management and analysis of the bibliographc big data. It also shows that EEUM can be conveniently used to search, explore, and analyze by applying EEUM to the bibliographic graph big data provided by DBLP. Through EEUM, you can easily find influential authors or papers in every research fields, and conveniently use it as a search and analysis tool for complex bibliographc big data, such as giving you a glimpse of all the relationships between several authors and papers.
Recently, many researches habe been done to organize and analyze various complex relationships in real world, represented in the form of graphs. In particular, the computer field literature data system, such as DBLP, is a representative graph data in which can be composed of papers, their authors, and citation among papers. Becasue graph data is very complex in storage structure and expression, it is very difficult task to search, analysis, and visualize a large size of bibliographic big data. In this paper, we develop a graphic user interface tool, called EEUM, which visualizes bibliographic big data in the form of graphs. EEUM provides the features to browse bibliographic big data according to the connected graph structure by visually displaying graph data, and implements search, management and analysis of the bibliographc big data. It also shows that EEUM can be conveniently used to search, explore, and analyze by applying EEUM to the bibliographic graph big data provided by DBLP. Through EEUM, you can easily find influential authors or papers in every research fields, and conveniently use it as a search and analysis tool for complex bibliographc big data, such as giving you a glimpse of all the relationships between several authors and papers.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
DBLP가 제공하는 정보 데이터를 그래프 데이터 구조로 변형 가공하여 저장하고, 이를 그래프의 형태로 시각화를 하면 출판물 간, 저자 간 관계를 분석하는데 매우 용이할 것이다. 따라서 본 논문에서 설계하고 구현한 네트워크 시각화 도구 EEUM을 이용하여 DBLP 데이터의 탐색을 위한 시각화를 수행하고자 한다.
이렇게 그래프 데이터를 검색하고 다양한 방식으로 형상을 탐색하고 분석할 수 있는 도구는 반드시 필요하다. 따라서 본 논문에서는 그래프 데이터의 브라우징 및 분석을 지원하는 대화형 시각화 도구 EEUM을 설계하고 구현하였다.
복잡한 구조의 그래프 데이터를 쉽게 검색하고 분석하고, 숨겨진 패턴을 발견하기 위해서는 그래프 데이터를 시각적으로 탐색하고 표현하는 도구가 매우 유용하다. 따라서 이 논문에서는 그래프 구조의 서지 정보 네트워크 빅 데이터의 브라우징 및 분석을 지원하는 대화형 시각화 도구 EEUM을 설계하고 구현하였다. EEUM을 이용하여 사용자는 그래프 데이터베이스를 기반으로 정보 네트워크를 효율적으로 검색, 검색 및 분석하여 정보 네트워크에서 영향력 있는 저자나 논문을 확인할 수 있다.
본 시스템은 DBLP 데이터를 효과적으로 탐색하기 위한 검색기능을 제공한다. 사용자는 검색 인터페이스를 통하여 키워드 및 조건을 서버에 넘겨주어 시각화 된 그래프를 확인할 수 있다.
제안 방법
EEUM의 UI 및 기능은 WebVOWL에 기반하였으며, 표기법은 DBLP 데이터 특성에 맞게 디자인하였고, 검색 및 확장검색 UI를 추가하였다.
KeyLines[8]는 Cambridge Intelligence 팀이 만든 웹기반의 네트워크 시각화 도구이자 링크 분석 도구이다. WebGL과 HTML5 Canvas를 사용하여 시각화와 분석이 가능하고 유연하고 확장 가능한 UX를 제공한다. 그러나 KeyLines는 노드와 간선의 유형이 한 개만 존재하는 동종 네트워크 표현 및 분석만 가능하다.
EEUM 시스템의 전체적인 레이아웃 및 기능은 웹 버전 온톨로지 시각화 도구인 WebVOWL을활용하여 구현하였다. WebVOWL은 JSON파일을 이용하여 실시간으로 SVG시각화를 진행하며, 그래프 레이아웃은 D3[17]를 통하여 구현하였다. WebVOWL은 시각화 된 온톨로지 데이터를 Exports 항목를 통하여 JSON파일 및 SVG파일로 내보낼 수 있다.
이를 본 논문의 EEUM에도 적용하였다. 또한 Options항목을 통하여 줌인, 줌 아웃, 노드 간의 거리 등과 같은 시각화에 관련된 부분을 설정할 수 있으며, 본 논문의 EEUM에서는 Gravity로 항목 이름을 수정하여 사용자가 보다 직관적으로 인지할 수 있도록 하였다. 시각화 된 온톨로지의 노드를 클릭하면 Selection Details 항목을 통해 세부 정보를 파악할 수 있다.
사용자가 검색하기 위한 인터페이스는 부트스트랩 [15]의 modal을 이용하여 구현하였다. 또한 원페이지 구조를 위하여 서버와의 통신은 Ajax (Asynchronous Java Script and XML) [16]을 이용한 비동기 통신 방식으로 처리한다.
본 논문의 EEUM 시스템은 DBLP데이터에 맞도록 노드와 관계를 다시 재정의 하였으며, DBLP데이터를 검색할 수 있도록 키워드 검색 기능과 시각화 된 그래프에서의 확장검색이 가능하도록 구현하였다.
기존의 대형 그래프 시각화 도구들이 데스크탑에서 동작하도록 되어 있거나 경량화를 위해 사전 분석된 결과를 웹 또는 모바일 화면에 띄우는 방식으로 서비스되던 것에 반해, Carina는 fast graph rendering을 위한 WebGL, lightweight, cross-platform deployment를 위한 Electron과 같은 최신 웹 브라우저 기술을 이용한다. 수백만 노드를갖는 full graph를 담고 있는 데이터셋을 저장하고 관리하는데 SQLite를 사용하여 웹서비스를 위한 경량화를 시도하려 하였다.
또한 Filter를 통하여 온톨로지의 노드나 관계를 제거하거나 관계의 수를 통하여 스케일을 줄일 수 있다. 이를 본 논문의 EEUM에도 적용하였다. 또한 Options항목을 통하여 줌인, 줌 아웃, 노드 간의 거리 등과 같은 시각화에 관련된 부분을 설정할 수 있으며, 본 논문의 EEUM에서는 Gravity로 항목 이름을 수정하여 사용자가 보다 직관적으로 인지할 수 있도록 하였다.
이를 그래프 데이터베이스인 Neo4J에 저장하기 위하여 JSON파일을 파이썬 라이브러리 ‘neo4j’를 이용하였다. 저장할 때 논문기준의 데이터를 저자와 논문 정점으로 나누고 해당 정점 간의 관계를 저장하였다.
필터링은 WebVOWL기능을 EEUM시스템에 맞도록 변형하여 적용하였다. 필터링은 Cited Paper Node(s), Cite Relation(s), Write Relation (s), Degree of collapsing으로 이루어져 있다.
대상 데이터
DBLP 데이터는 <그림 4>와 같이 논문을 기준으로 이루어져 있으며, 논문에 관련된 제목 (Title), 학술지(Journal), 발행연도(Year), 저자(Author) 등의 정보를 가지고 있다. 본 논문의 시스템은 DBLP데이터를 인용정보와 함께 JSON형식으로 정리해 놓은 Citation Network Dataset [14]를 이용하였다.
이론/모형
본 논문의 시스템 EEUM은 저자와 논문사이의 정보네트워크에 초점을 두고 있기 때문에. EEUM 시스템의 전체적인 레이아웃 및 기능은 웹 버전 온톨로지 시각화 도구인 WebVOWL을활용하여 구현하였다. WebVOWL은 JSON파일을 이용하여 실시간으로 SVG시각화를 진행하며, 그래프 레이아웃은 D3[17]를 통하여 구현하였다.
js의 라이브러리인 ‘neo4j’를 사용하였다. 개발도구는 WebStorm을 사용하였고, HTML, CSS, JavaScript를 사용하였다. 사용자가 검색하기 위한 인터페이스는 부트스트랩 [15]의 modal을 이용하여 구현하였다.
본 시스템은 MVC(Model-View-Controller) 디자인패턴으로 작성되었다. MVC 디자인패턴은 시스템을 데이터베이스에 접근 및 처리하는 Model, 처리된 결과를 출력하는 View, 사용자의 요청에 맞게 Model과 View에 접근하여 처리하는 Controller로 구분하여 개발하는 패턴이다.
본 시스템은 원페이지로 전체적인 레이아웃은 WebVOWL을 활용하여 구현하였다. Node.
개발도구는 WebStorm을 사용하였고, HTML, CSS, JavaScript를 사용하였다. 사용자가 검색하기 위한 인터페이스는 부트스트랩 [15]의 modal을 이용하여 구현하였다. 또한 원페이지 구조를 위하여 서버와의 통신은 Ajax (Asynchronous Java Script and XML) [16]을 이용한 비동기 통신 방식으로 처리한다.
성능/효과
그러나 출판물을 집필한 저자 이름과 해당 문헌이 어떤문헌을 인용했는지를 담고 있으므로, 이 데이터를 활용하여 브라우징 및 분석을 수행할 수 있다. DBLP 데이터를 EEUM으로 시각화 함으로써 논문 정보를 검색하고 논문 및 저자 네트워크에서 영향력 있는 객체를 직관적으로 확인할 수 있다. 이 외에도 웹 기반 EEUM의 대화형 인터페이스는 정점 및 간선의 확장 및 제거, 필터링 기능을 제공하여 user-friendly 그래프 시각화 및 분석이 가능하다.
따라서 이 논문에서는 그래프 구조의 서지 정보 네트워크 빅 데이터의 브라우징 및 분석을 지원하는 대화형 시각화 도구 EEUM을 설계하고 구현하였다. EEUM을 이용하여 사용자는 그래프 데이터베이스를 기반으로 정보 네트워크를 효율적으로 검색, 검색 및 분석하여 정보 네트워크에서 영향력 있는 저자나 논문을 확인할 수 있다. 향후 EEUM 시스템을 다양한 정보 네트워크에 이용할 수 있도록 확장하고 네트워크를 효율적으로 요약 및 분석할 뿐 아니라 아직 드러나지 않은 의미 있는 패턴 및 정보를 발견할 수 있도록 연구 및 개발을 수행할 예정이다.
본 결과에 따라 “information network”에 관한 가장 영향력 있는 저자는 Jiawei Han이며 Philip S. Yu 저자 역시 큰 영향력을 가진 저자라는 것을 확인할 수 있다.
‘Similar’를 선택하면 해당 키워드가 포함된 모든 정점을 출력한다. 본 시스템은 사용자의 편의를 위하여 190만명 이상의 저자와 1600개 이상의 출판사를 미리 저장해 두었고, 이를 통하여 Author와 Journal에 대하여 자동 완성기능을 제공한다. ‘Year’는 막대를 이용하여 구간설정이 가능하며 Hops를 통하여 원하는 거리를 정할 수 있다.
후속연구
EEUM을 이용하여 사용자는 그래프 데이터베이스를 기반으로 정보 네트워크를 효율적으로 검색, 검색 및 분석하여 정보 네트워크에서 영향력 있는 저자나 논문을 확인할 수 있다. 향후 EEUM 시스템을 다양한 정보 네트워크에 이용할 수 있도록 확장하고 네트워크를 효율적으로 요약 및 분석할 뿐 아니라 아직 드러나지 않은 의미 있는 패턴 및 정보를 발견할 수 있도록 연구 및 개발을 수행할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
DBLP는 얼마나 많은 저널, 논문, 컨퍼런스 및 워크샵의 색인을 제공하는가?
2019년 기준 통계에 의하면 DBLP는 220만 명 이상의 저자가 발행한 460만 건 이상의 출판물에 액세스 할 수 있는 색인을 제공하고 있다. 또한 약 40,000개 이상의 저널과 39,000개 이상의 컨퍼런스 및 워크샵, 80,000개 이상의 논문의 색인을 제공한다.[7]
그래프는 무엇인가?
모델링의 목적이 객체와 객체 간의 관계를 분석하고자 함이라면 종종 그것은 그래프의 형태로 나타내곤 한다. 수학에서 객체 간에 짝을 이루는 관계를 모델링하기 위해 사용하는 기법이 그래프이다. 그래프는 ‘노드’와 ‘관계’의 두 요소로 구성되는데, 노드는 사람, 장소, 사물, 범주, 개념 등의 개체를, 관계는 노드의 쌍이 어떤 연관성을 가지는지를 표현한다.
실세계는 무엇으로 구성되는가?
실세계는 다양한 유형의 구성요소와 그들 간의 상호작용, 관계들로 구성된다. 이를 컴퓨터의 물리적 논리적 자원을 이용하여 현상을 파악하고 지식을 발견하고 미래를 예측하기 위해 다양한 방식의 추상화 또는 모델링 방법들이 존재한다.
참고문헌 (17)
Y. Sun and J. Han, "Mining heterogeneous information networks: a structural analysis approach,'' ACM SIGKDD Explorations Newsletter, vol. 14, pp. 20-28, 2013.
Y. Sun and J. Han, "Mining heterogeneous information networks: principles and methodologies,'' Synthesis Lectures on Data Mining and Knowledge Discovery, vol. 3, pp. 1-159, 2012.
Y. Sun, T. Wu, Z. Yin, H. Cheng, J. Han, X. Yin and P. Zhao, "Bibnetminer: mining bibliographic information networks,'' in Proceedings of the 2008 ACM SIGMOD international conference on Management of data, 2008.
M. Ji, J. Han and M. Danilevsky, "Ranking-based classification of heterogeneous information networks,'' in Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining, 2011.
Y. Sun, Y. Yu and J. Han, "Ranking-based clustering of heterogeneous information networks with star network schema,'' in Proceedings of the 15th ACM SIGKDD international conference on Knowledge discovery and data mining, 2009.
Y. Sun, J. Han, X. Yan, P. S. Yu and T. Wu, "Pathsim: Meta path-based top-k similarity search in heterogeneous information networks,'' Proceedings of the VLDB Endowment, vol. 4, pp. 992-1003, 2011.
Frohlich, Michael, and Mattias Werner. "Demonstration of the interactive graph visualization system da Vinci." International Symposium on Graph Drawing. Springer, Berlin, Heidelberg, 1994.
Fang, Dezhi, et al. "Carina: Interactive million- node graph visualization using web browser technologies." Proceedings of the 26th International Conference on World Wide Web Companion. 2017.
Guarino, Nicola, ed. Formal ontology in information systems: Proceedings of the first international conference (FOIS'98), June 6-8, Trento, Italy. Vol. 46. IOS press, 1998.
LOHMANN, Steffen, et al. Visualizing ontologies with VOWL. Semantic Web, 2016, 7.4: 399-419
Lohmann, Steffen, et al. "WebVOWL: Web-based visualization of ontologies." International Conference on Knowledge Engineering and Knowledge Management. Springer, Cham, 2014.
https://www.aminer.org/citation
http://bootstrapk.com/
GARRETT, Jesse James, et al. Ajax: A new approach to web applications. 2005
※ AI-Helper는 부적절한 답변을 할 수 있습니다.