Titelaufnahme

Titel
Interactive visual analysis of relational data and applications in event-based business analytics / von Bilal Alsallakh
VerfasserAlsallakh, Bilal
Begutachter / BegutachterinGröller, Eduard
Erschienen2009
Umfang123 S. : Ill., graph. Darst.
HochschulschriftWien, Techn. Univ., Mag.-Arb., 2009
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (DE)Interaktive Visuelle Analyse, Graphen Visualisierung, Relationale Data-Mining, Assoziation Analyse, Multidimensionalle Datenanalyse
Schlagwörter (EN)Interactive Visual Analysis, Graph Visualization, Relational Data Mining, Association Analysis, Multidimensional Data Analysis
URNurn:nbn:at:at-ubtuw:1-31961 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Interactive visual analysis of relational data and applications in event-based business analytics [11.74 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Im Zuge der hier präsentierten Arbeit wurde ein System entwickelt, um attributierte Graphen zu analysieren. In diesen Graphen werden Attribute zu den Knoten und den Kanten zugeordnet. Das System bietet mehrere Dartellungen für die visuelle Analyse im Graph an, sowohl auf einem lokalen als auch einem globalen Niveau. Die lokale Analyse erlaubt eine Navigation im Graph um die Struktur und die Attribute von einem Teil des Graphs zu erfoschen. Die globale Analyse erlaubt, die Verteilungen der Attribute in dem graph (oder im ausgewälten Teil vom Graphen) zu verstehen, und bestehende Assoziationen zwischen den Attributen und den Relationen festzustellen.

Die Arbeit präsentiert eine Reihe von Erweiterungen zu den Attributen, die beispielsweise, graphtheoretische Merkmale, aggregierte Werte und hierarchische Gruppierungen repräsentieren können. Diese Attribute werden gleich wie die intrinsischen Attribute behandelt, und können mit den selben Methoden analysiert werden.

Zusätzlich präsentiert die Arbeit neue Methoden für das Zeichnen von Graphen, die speziell für attributierte Graphen geeignet sind, insbesondere um die Verteilung und Assoziation von Attributen zu betonen. Diese Methoden können sowohl für die Navigation im Graphen als auch für die Darstellung von Abfrageergebnissen angewendet werden.

Des weiteren erfoscht die Arbeit mehrere Arten von Assoziationen in elationalen Daten, und bietet Lösungen für die visuelle Analyse von diesen Assoziationen an. Dafür werden Erweiterungen für die bekannte "Parallel Sets"-Technik präsentiert, um die Perzeption zu verbesssern, und zusäzliche Informationen von den Daten einzubeziehen. Darüber hinaus werden neue Methoden für anderen Arten von Assoziationen vorgeschlagen.

Die präsentierten Techniken sind generalisierbar und lassen sich auf beliebige Ereignisdaten anwenden. Das System wurde anhand zweier realer Datensätze auf seine Einsatzfähigkeit geprüft. Im ersten Datensatz werden aus einem Ereignis "Produkt gekauft" die Entitäten "Kunde" und "Produkt" abgeleitet samt ihrer Attribute (wie Kundenwohnort u.Ä) und Relationen (die durch die Historie der Käufe entstehen). Das System erlaubt in der Folge eine Reihe von Analysen um beispielsweise festzustellen, welche Arten (Kategorien) von Produkten vermehrt von Damen gekauft wurden, oder welche Altersgruppe besonderes Interesse für Bücher hat. Im zweiten Datensatz werden Ereignisse aus einem sogenannten Issue-Tracking-System analysiert um festzustellen, wie Support-Fälle bearbeitet und auch zwischen Support-Büros delegiert werden.

Zusammenfassung (Englisch)

In this work, a framework for interactive visual analysis of attributed graphs has been developed. An attributed graph is an extension of the standard graph of a binary relation, which attaches a set of attributes to the nodes and edges. The implemented visual analysis techniques aim at the local level at enabling an intuitive navigation in the graph which reveals both the structure of the selected part of the graph and the attributes of the nodes and edges in this part. At the global level these techniques aim at understanding the distributions of the attributes in the graph as a whole or in specific parts in it and at spotting meaningful associations between the attributes and the relations. The work presents several extensions to the attributes such as graph-theoretic features, values aggregated over the relations, and hierarchical grouping. All attributes are treated in a unified manner which helps performing elaborate analysis tasks using the existing tools. Additionally, novel graph drawing techniques are proposed. They are designed to understand attribute distributions and associations in the graph. These techniques can be additionally used to visualize results of queries in the data, which can be also visually defined using the attribute analysis tools. Finally, the work addresses several types of association analysis in relational data, along with visual analysis methods for them. It presents a perceptual enhancement for the well-known parallel sets technique for association analysis in categorical data, and proposes extensions for employing it in relational data. Also, novels methods for other types of association analysis are introduced. The relational data in this work were defined upon typed events in an event-based system, which offers a flexible architecture for real-time analysis. Nevertheless, the presented analysis methods are generic and have been tested on two real-world datasets. In the first dataset, entities for customers and products are derived from the purchase events, and various meaningful associations were found between the attributes and the relation (for example, which types of products the female customers bought more frequently, or at which age customers have higher interest for books). In the second dataset, events in an issue-tracking system are analyzed to find out ticket assignment patterns and forwarding patterns between the support offices.