Ανάπτυξη Μοντέλου και Εφαρμογής Οπτικοποίησης Διασυνδεδεμένων Δεδομένων

Abstract

Ο ολοένα αυξανόμενος όγκος των διασυνδεδεμένων δεδομένων κάνει επιτακτική την ανάγκη εύρεσης τρόπων για την αποδοτική εξερεύνηση και την αξιοποίησή τους, ειδικά από χρήστες που δεν είναι εξοικειωμένοι με τις τεχνολογίες του σημασιολογικού ιστού. Στην εργασία μας αναπτύξαμε κατάλληλο μοντέλο οπτικής αναπαράστασης των Linked Datasets και μια web-based εφαρμογή οπτικοποίησης διασυνδεδεμένων δεδομένων που απευθύνεται και σε απλούς χρήστες μέσω ενός εύχρηστου User Interface που τους καθοδηγεί. Για το σκοπό αυτό σχεδιάστηκαν μηχανισμός συλλογής στατιστικών και κατάλληλο μοντέλο οπτικής αναπαράστασης των Linked Datasets, που είναι ανεξάρτητο από την εκάστοτε τεχνική και βιβλιοθήκη οπτικοποίησης και επιτρέπει τη διατήρηση στατιστικών στοιχείων για τα δεδομένα. Παράλληλα, για να γίνει δυνατή η οπτικοποίηση μεγάλου πλήθους δεδομένων, ομαδοποιεί τα δεδομένα και τα οργανώνει σε ιεραρχίες. Η εφαρμογή μπορεί να χρησιμοποιηθεί για οποιοδήποτε τύπο δεδομένων ανεξαρτήτως του τομέα στον οποίο ανήκουν και χειρίζεται αποδοτικά μεγάλα datasets, παρέχοντας δυνατότητα για overview των δεδομένων και zoom in στις περιοχές ενδιαφέροντος του χρήστη. Παρέχει τρεις διαφορετικές τεχνικές οπτικοποίησης (chart, timeline, treemap) σε συνδυασμό με παρουσίαση στατιστικών καθώς και πλοήγηση και επιλογή φίλτρων με γραφικό τρόπο (faceted search) στο set δεδομένων.

The constant increase of Linked Data on the web makes it imperative to find ways for their efficient exploration and exploitation, especially by users who are not familiar with the technologies of the Semantic Web. In our work, we developed a model for visual representation of Linked Datasets and a web-based application for visualizing linked data. Our web-application can be used by ordinary users through an intuitive User Interface that guides them. To that end, we designed a statistical data collection mechanism, and a model for visual representation of Linked Datasets, which is independent from specific techniques and visualization libraries and allows the retention of statistics for the data. At the same time, the application groups the data and organizes them in hierarchies. The application can be used for any data regardless of their type, and efficiently handles large datasets, providing data overview and allowing the users to zoom in on their areas of interest. It also provides three different visualization techniques (chart, timeline, treemap) combined with statistics presentation, and offers faceted filtering of the data set.