数据可视化：气泡图、维恩图和标签云（哦，天呐！）

Question

假设我有一个包含成千上万个对象的大列表，每个对象都带有一些标签。 可能有几十个或几百个标签可用，它们的使用遵循典型的幂律分布： 某些标签非常常用，但大多数标签很少使用。 实际上，除了最常见的几十个标签外，其余标签通常可以被忽略。

现在问题是如何可视化这些标签之间的关系。 标签云是仅显示频率的不错的可视化方式，但它忽略了哪些标签与其他标签一起出现的情况。 假设标签：bar 仅出现在同时带有标签：foo 的对象上。 这应该在视觉上明显。 同样适用于倾向于同时出现的三个标签。

你可以将每个标签制作成一个气泡，并让它们部分重叠。 技术上说，这是一个维恩图，但这样处理可能不太方便。 例如，Google图表可以创建维恩图，但仅限于3个或更少的集合（标签）： http://code.google.com/apis/chart/docs/gallery/venn_charts.html 他们之所以将其限制为3个集合，是因为超过3个的话，看起来会很糟糕。 请参见维基百科页面上的“扩展到更多集合”：http://en.wikipedia.org/wiki/Venn_diagrams 但这仅适用于每个可能的交集都非空的情况。 如果不超过3个标签共同出现（也许是在放弃罕见标签后），那么一组维恩图可能有效（其中气泡的大小代表标签频率）。

或者，也可以使用图形（如顶点和边），并且通过视觉上较粗或较细的边表示共同出现的频率。

你有任何想法，或者指向工具或库的指针吗？ 理想情况下，我会使用javascript来完成，但我也可以接受像R和Mathematica这样的工具或其他任何东西。 如果有人感兴趣，我很乐意分享一些实际数据（如果告诉你它代表什么，你会笑的）。

补充: 我最初考虑的应用程序是TagTime，但我想到这也很好地映射到可视化自己的美味书签的问题。

- dreeves

---

你似乎在问题中漏掉了关于“编程”的部分。 - anon

他询问应该使用哪些库。除非他对借书感兴趣，否则这可能是一个编程问题。 - Jay Askren

Answer 1

如果我理解你的问题正确，一个图像矩阵在这里应该很好用。我想到的实现方法是一个n x m的矩阵，其中标记的项目是行，每个标签类型是一个单独的列。矩阵中的每个单元格都完全由“1”和“0”组成，即特定项目是否具有给定标签。

在下面的矩阵中（我将其旋转了90度，以便更好地适应此窗口 - 因此列实际上表示带有标记的项目，每行显示所有项目中特定标记的存在或不存在），模拟了存在8个标签和200个带标记的项目的情况。, “0”是蓝色的，“1”是浅黄色的。

此矩阵中的所有值均随机选择（每个带标记的项目都从一个包含两个令牌的盒子中选择八次，一个是蓝色的，一个是黄色的（无标记和标记，分别）。因此，不出所料，这里没有任何视觉证据表明存在一种模式，但如果您的数据确实存在一种模式，这种非常简单易行的技术可以帮助您找到它。

我使用了R来生成和绘制模拟数据，仅使用基本图形（没有外部软件包或库）：

# create the matrix
A = matrix(data=r1, nrow=1, ncol=8)

# populate it with random data
for (i in seq(0, 200, 1)){r1 = sample(0:1, 8, replace=TRUE); A = rbind(A, r1)}

# now plot it
image(z=A, ann=F, axes=F, col=topo.colors(12))

- doug

---

我认为这种可视化方式并不能帮助找到数据中的模式，因为有“成千上万的对象”和“数百个标签”。最终的图像可能只是一个巨大的嘈杂图片。 - jeremy-george

一个好的排序对于在这种展示中看到模式非常重要。 - hadley

Answer 2

如果你的目标是网络，我会创建类似于这样的东西。节点之间连接的边可以更粗或颜色更深，或者增加更强的力使它们距离更近。我还会在圆圈内添加标签名称。

一些非常适合此用途的库包括：

• Protovis（Javascript）
• Flare（Adobe Flash）

一些其他有趣的值得研究的JavaScript库包括：

• Processing for Javascript
• Raphael

- Jay Askren

---

谢谢Jay！我不知道protovis，这太好了。至于平台/语言，Web / JavaScript是理想的选择，但如果Mathematica或R或其他某种语言有很好的方法来做到这一点，我也很想知道。至于力导向布局，我不喜欢它没有捕捉到子集关系的问题。也许像这样的东西 - http://vis.stanford.edu/protovis/ex/bubble.html - 但气泡可以相互包含。 - dreeves

再次感谢，Jay。如果我没记错的话，Protovis似乎是JavaScript而不是Flash。 - dreeves

Answer 3

尽管这是一个老帖子，但我今天刚看到它。

你可能还想考虑使用自组织映射。

以下是世界贫困的一个自组织映射示例。它使用了39个您所称的“标签”来排列您所称的“对象”。

http://www.cis.hut.fi/research/som-research/povertymap.gif

- John Ruiz

Answer 4

我不确定这是否有效，因为我没有测试过，但以下是我开始的方式：

您可以按照Doug在他的回答中建议的方式创建矩阵，但是不要将文档作为行和标签作为列，而是采用一个方阵，其中标签作为行和列。单元格T1;T2的值将是标记为T1和T2的文档数量（请注意，这样做会得到对称矩阵，因为[T1;T2]的值与[T2;T1]相同）。 完成后，每行（或列）都是定位标签在T维空间中的向量。在此空间中彼此相近的标记经常出现。为了可视化共现性，您可以使用一种方法来降低空间维数或任何聚类方法。例如，您可以使用Kohonen自组织映射将T维空间投影到二维空间中，然后得到一个二维矩阵，其中每个单元格表示标签空间中的抽象向量（即该向量不一定存在于数据集中）。该向量反映了源空间的拓扑约束，并可视为反映某些标记重要共现性的“模型”向量。此外，在此地图上彼此靠近的单元格将表示在源空间中彼此接近的向量，从而允许您将标记空间映射到二维矩阵上。 矩阵的最终可视化可以用许多方式完成，但是在没有先看到前一个处理结果之前，我无法为您提供建议。

- jeremy-george