ＥＣＢＡＲ系統中群體研討信息可視化的算法研究
2008-12-31 00:00:00張興學黃繼鴻張朋柱
計算機應用研究 2008年9期
摘 要：電子公共大腦視聽室為群體研討提供了動態的可視化信息顯示模式，深入研究了其群體研討信息的自然可視化、自主可視化和智能可視化實現的算法和功能，有助于促進達成共識并有效輔助決策。
關鍵詞：電子公共大腦視聽室；研討信息；可視化算法
中圖分類號：TP301.6 文獻標志碼：A
文章編號：1001-3695(2008)09-2664-04
Research on algorithms of information visualization during group decision argument in ECBAR
ZHANG Xingxue1，HUANG Jihong2，ZHANG Pengzhu1
(1.Antai College of Economics Management， Shanghai Jiaotong University， Shanghai 200052， China;2.College of Management， Hangzhou Dianzi University， Hangzhou 310018， China)
Abstract:This paper provided a dynamic showing mode of information visualization during group decision argument in electronic common brain audiovisual room.Researched the algorithms and functions of natural visualization， independent visualization and intelligent visualization were researched， which could benefit consensus and improve the efficiency and effect of decision.
Key words:electronic common brain audiovisual room(ECBAR); argument information; visualization algorithm
在群體綜合集成研討[1，2]中，群體成員提出的每一個觀點或者發表的每一條評論都是一條研討信息。為了達成一致或妥協并作出決策，往往需要多次同步/異步反復研討螺旋推進，產生的大量信息形成信息過載[3]，給群體成員對信息的捕捉、理解、記憶以及成員間交互造成諸多不便。因此，為了更好地促進研討意見生成、信息共享和最終方案生成，改善交流效果和促進共識，有必要突破簡單的文本記錄等信息顯示方式的局限性，探索全新的信息組織和可視化顯示方式。此外，由于研討人員認知差異和個體差異，其對于研討信息可視化形式的需求呈現多樣性，為此有必要對研討信息可視化的形式進行很好的設計，滿足用戶需求和最終決策的需要。
為此，本文對群體綜合集成研討信息可視化的類型進行了深入研究，提出了群體研討信息可視化的概念模型——電子公共大腦視聽室（ECBAR）這一支持群體動態交流的可視化平臺。在此基礎上重點對ECBAR的具體實現算法進行研究。
1 電子公共大腦視聽室
電子公共大腦[4]描述了一種群體交互信息的動態組織方法，這種信息組織方法的具體實現就是群體研討信息可視化的電子公共大腦視聽室[5]。ECBAR是基于研討個體和群體認知結構及其變化，從信息行為學以及決策研討的需要，借助于計算機網絡技術和多媒體技術以及計算機圖形學等，將群體研討過程信息動態組織和可視化顯示，將研討信息屬性及其關系屬性轉換為直觀的、易于引導群體注意力聚焦、便于理解和記憶的靜動態畫面，從而有效適應群體動態交流過程，便于形成共識和輔助決策的信息交互平臺。可以看出，ECBAR是基于認知圖的群體研討信息組織和可視化顯示模式，是群體研討信息可視化的支持平臺，是可視化模型GK=〈T，Ph，V，E，AV，AE，St〉的具體實現[6]。
研討的過程是信息交互的過程。本研究認為，在群體決策研討中，在某一決策任務的某一研討階段，群體成員發表自己的意見和看法，或者針對他人發言表明態度；新的發言又是針對已有的發言表明態度，并展開辯論；下面的發言同樣可以把以前的發言作為發言對象。在研討過程中，隨著研討的推進和時間的推移，發言層層關聯、步步推進，研討信息量劇增、信息間的關系屬性紛繁復雜，在直觀上將形成發散的多層次動態網絡結構。本研究稱之為以認知圖為基礎的研討網絡。
ECBAR是電子公共大腦中知識信息及其相互關系的可視化實現。ECBAR基于區別研討信息屬性和對信息關系的嚴格定義，為群體成員提供動態的可視化信息顯示模式。基于上述給出的群體決策研討網絡以及群體決策研討可視化的需求分析，ECBAR需要具有以下功能：a）自然式可視化，包括單信息可視化顯示功能、信息關系可視化顯示功能等；b）自主式可視化，包括查詢功能、基于時間流程的可視化顯示功能、基于發言節點的可視化顯示功能、基于發言人的可視化顯示功能、可視可聽功能等；c）智能式可視化，包括信息統計可視化顯示功能、信息過濾可視化顯示功能、其他智能式可視化功能等。
2 ECBAR中研討信息可視化的具體算法
可視化首先要獲取所需原始數據作為可視化分析的基礎。為了獲得更高的平臺依賴性和運算效率，提高系統的擴充性，根據系統用戶的需求，在該可視化系統中，本研究采用以下過程獲取數據：通過控制類chart獲取用戶的可視化需求，后臺服務器從數據庫中查詢滿足需要的研討數據，封裝成table對象后，生成XML字符串返回給chart；由chart解析該XML數據為DOM對象，并轉換為可視化算法所需的內部數據結構，存放于cell數組里面，并導入到用戶客戶端內存，從而得到可視化操作的數據集合。同時，為了避免客戶端和服務器端交互速度慢的缺陷，平臺將后臺程序壓縮成JAR文件，在可視化頁面中引用，提高了運行速度。
2.1 自然式可視化功能描述及其核心算法
自然式可視化（即GK=〈T，Ph，V，E，AV，AE，St=1〉）主要滿足研討用戶低層次可視化需求，僅顯示研討信息屬性及其關系。在系統架構中，獲得可視化操作數據集合后，根據節點之間的語義關系AE和發言的信息屬性AV，設置可視化顯示的層級和節點位置，將研討信息屬性及其關系屬性呈現為一個研討的樹狀結構。該樹狀結構沒有通過按照用戶需求定義的自主過濾器，是對研討過程中形成的研討樹結構的自然顯示，僅作為研討信息的形象化呈現，通過向研討人員展示形象化的研討信息及其關系，達到“一圖勝千言”的效果，如圖1所示。
其核心功能包括研討信息可視化、信息關系可視化兩個部分。研討信息可視化表示方法有多種，在本可視化系統中，將研討信息分為兩類:a）根據決策研討過程得到的決策任務、決策目標、決策準則、約束條件、決策方案、決策問題等，它們是根據研討需要得到的結果，用圓圈表示出來，作為研討對象；b)對前面幾種研討對象的評論以及對評論的評論，用方塊表示出來，得到評論可視化。信息關系可視化是指通過研討人員的研討態度建立各個研討信息節點之間的關系。在本可視化系統中，用不同顏色的有向弧表示不同的研討態度和語義關系，用箭頭指向研討的對象（或評論的對象）。在研討的過程中，不斷出現樹型分支，最終形成研討信息的樹狀結構。
自然可視化僅僅是通過研討態度以及研討層級關系形成的，其算法包括：
a）設置可視化顯示的節點層級算法。其中層級是指相對于根節點，研討信息在研討樹中所占的級別，父節點是其上一層，子節點是其下一層，孫節點是其子節點的下一層。實現算法如下：首先保存研討樹根節點信息，然后對于每一個節點一直向上查找直到找到根節點位置；離根節點有幾層，則其層級設置為幾層。為了避免異常，要求層級小于最大層數。如果節點層級超過最大值，則表示該節點為可疑節點，將其移除。
b）設置節點位置算法。確定節點位置包括確定行和列的位置。行位置是根據上面得到的節點層級以及每行顯示的節點數來確定；列位置是同一行中的不同節點從左到右或從右到左交替顯示（通過參數start控制：start為真，從左到右顯示；start為假，從右到左顯示；換行顯示時改變start值）。行列位置的詳細設置算法為：從開始層級到結束層級，不同層級設置不同的行，同一層級的數據依次往下排列，超過每行顯示的節點數就往下推移一行，同時更換參數start以改變顯示方向。
arrayList setPosition2(arrayList treeList)
{……
for(int lev=startLevel;lev＜=endLevel;lev++)
{if(!start){rowCell=1;}
else{rowCell=colNum;}row++;
//在更換層級時，將行值增加
for(int i=0;i {treeNode node=(treeNode)treeList.get(i); int curNodeLevel=node.level;… if(curNodeLevel==lev) i{if(!start) //如果從左向右顯示 i{if(rowCell＜=colNum-3){rowCell++;} ielse{start=!start; //到達最右邊，更換顯示方向 irowCell=colNum;row++; //更換顯示方向時，要將行增加}} ielse{…//如果是從右向左顯示} inode.col=string.valueof(rowCell);node.row=String.valueof(row);…} 2.2 自主式可視化功能描述及核心算法 在自主式可視化中，基于自然式可視化，由用戶自主定制或自主驅動可視化因此需要根據用戶不同需求來對獲取的研討數據進行過濾；然后根據過濾后得到的需求，結合研討發言節點的關系AE以及發言信息屬性AV設置可視化的層級和位置，得到研討信息可視化的樹狀結構，通過過濾器達到用戶自主可視化的目的，如圖2所示。過濾器是通過不同的標志控制的：a）“顯示方式過濾器”標志viewField；b）“顯示時間過濾器”標志startTime和endTime；c）“研討人員過濾器”標志viewer；d）“顯示層級過濾器”標志startLevel、endLevel和colNum。 1）顯示方式過濾 它主要是根據研討用戶需要，確定伴隨可視化節點需要突顯的信息屬性，即環繞可視化節點顯示發言的發言人、發言主題或節點權重等。研討人員可以通過可視化界面看到發言信息及其關系屬性，同時還可以關注該發言的某個信息屬性。在系統設計中，需要定制一個查看方式的標簽viewField，通過它的取值（發言主題（subject）、發言人（person）、節點權重（power）、共識水平及其狀態（sameState）、關注水平及其狀態（attentionState）等）不同而明確可視化顯示中需要突顯的信息。具體顯示的時候，為了界面美觀，把該信息屬性交錯顯示在相鄰節點的上面或下面。 2）顯示時間過濾：基于時間流程可視化 可視化顯示某一議題下某一時間段的研討信息。系統主要通過兩個標簽（開始時間和結束時間）來控制需要顯示的時間段。默認開始時間為該研討開始時間，由applet作為參數傳入；結束時間為系統當前時間。 3）研討人員過濾：基于發言人的可視化 研討人員自主選擇某一發言人，可視化僅顯示該發言人在研討中的所有發言；或者在研討信息可視化界面中突出顯示該發言人的研討信息，便于研討人員了解某一發言人的研討參與情況。ECBAR通過一個研討人員標簽（viewer）和是否僅顯示該發言人標簽（onlyViewer）控制如何顯示發言人研討信息。其中，viewer默認為所有發言人，onlyViewer默認為1，即在研討樹結構中突出顯示該研討人員的研討記錄。 4）顯示層次過濾 它主要確定可視化界面中應該顯示節點的行數以及每行節點的數量。 用戶觸發不同的標簽，系統通過一個過濾器綜合控制這些標簽得到符合需要的信息集合，然后根據節點之間的關系及信息屬性將需要的自主研討樹顯示出來。最終過濾器算法實現如下： public arrayList getShowData(string[][] baseData，string viewer，string startTime，string endTime，string id) {arrayList showDataList=new arrayList(); treeNode node=new treeNode(); node.id=id; arrayList list=new ArrayList(); getNode(baseData，node，list); /*獲得研討樹的根節點以及該根節點的所有子節點*/ getChildren (baseData，node，list); for(int i=0;i {…if(viewer.equals(\"all\"))//通過研討人員過濾器 {//通過研討時間段過濾器 if((dateControl.beforeStr(varViewTime，endTime))(DateControl.beforeStr(startTime，varViewTime))) {showDataList.add(treeNode);}} else{//通過研討人員顯示方式過濾器 if(onlyViewer) {/*返回通過各個過濾器得到的、符合研討人員需要的研討信息集合*/ …return showDataList;} 包括研討力量對比、研討共識水平及其發展趨勢、研討關注水平及其發展趨勢、研討共識點、研討分歧點、研討爭議點的提取等。通過這些操作從而更快地輔助研討人員進行共識評價，快速獲取共識或向研討問題和爭議聚焦[6]。 為此，在ECBAR系統中，用戶首先需要選擇研討節點，然后來進行信息統計或過濾，進一步分析其關注水平和共識水平；根據關注水平及其變化、共識水平及其變化來進行共識評價。如果達成共識，則進一步分析和明確共識內容，也可以分析共識背后的爭議點和分歧點；如果沒有達成共識且無研討時間壓力，則需要進一步分析沒有達成共識的原因，找出爭議點和分歧點，研討人員進一步研討，然后進一步分析其共識水平；如果沒有達成共識且有時間壓力，則研討人員投票或者選取共識水平最高者來達成共識。其功能流程如圖3所示。在此過程中，研討協助者要根據研討進展情況實時總結信息，提示研討焦點、提醒大家關注沒有受到足夠關注的觀點；提示達成的共識，引導大家對分歧進行討論；總結和整合爭議點，引導大家進一步討論；根據共識變化預測和建議發布引導信息。協助者通過研討界面中的滾動條來實時發布上述信息，對研討過程進行實時和必要的引導。 計可視化 通過算法統計出某議題下與發言有不同語義關系的發言力量力量對比，提高研討人員對研討狀態的把握程度，也可以為決策者和研討協助者提供決策支持。 ECBAR首先需要對用戶選定的節點進行分析，統計與它相關發言的態度，然后對五種語義關系的節點數量進行統計，根據坐標數據生成五種語義關系的節點數量柱狀圖，從而把研討的各種力量對比關系顯示出來（算法略）。 2）關注水平及其狀態可視化明確目標群體對于某研討觀點的研討是否足夠充分，該觀點的聚焦程度如何，可視化顯示發言節點的關注水平LF及其狀態SF（研討未成熟、研討成熟、研討焦點）。關注水平比較低，說明是比較孤立生僻的觀點，或者是該觀點沒有被研討人員注意到，“淹沒”在“信息海洋”中；關注水平越高，觀點的聚焦程度越高。當關注狀態為研討焦點時，說明研討人員已經對該觀點給予了足夠的關注，此時應該結合共識狀態進行具體的分析，以避免進行無謂的“爭吵”，提高研討效率。這樣有利于把握研討焦點問題和研討重點，避免意見過于分散而討論不夠深入。 某節點的關注水平等于其關注權重除以所有研討人員權重之和，而關注權重為該發言的發言人權重加上其所有一級子節點關注權重之和。為此，ECBAR首先要獲取節點的關注權重，然后根據關注權重計算出關注水平，將其數值和臨界值（attentionlevel，本研究取1；attentionFouceslevel，本研究取1.2）進行比較，取得關注狀態。ECBAR系統可以將發言信息及其關系、節點的關注水平及其狀態可視化地顯示出來。 3）共識水平及其狀態可視化可視化展現群體對于觀點的共識水平及其狀態屬性（一致支持、一致反對、有分歧的支持、有分歧的反對、嚴重沖突），便于為最終方案的選擇和群體決策提供依據。節點的共識水平等于其共識權重和關注權重之比；而共識權重是發言人權重和五種語義關系的一級子節點的共識權重之函數。為此，獲取共識水平就是通過節點權重以及子節點權重，可以通過研討語義關系運算得到。將共識水平和臨界值（samelevel_high＝0.6，samelevel_low＝0.3）比較，確定共識水平的狀態。 ECBAR系統把研討發言及其信息關系、節點的共識水平及其狀態可視化展現出來。 4）共識分析可視化 它利用研討信息可視化模型展現所有研討發言的發言信息屬性及其關系屬性，同時利用共識評價模型進行研討發言信息內容分析，通過對所有研討發言內容進行分類，產生基于每個發言節點的共識點集合分歧點集合和爭議點集合如果沒有共識且研討是有時間壓力的，那么在研討結束前基于觀點的共識水平和共識點數量，通過投票或選擇共識水平最高的方案作為共識；如果研討沒有時間壓力，則進一步深入討論爭議點和分歧點，促進共識達成。 在此過程中，有兩個核心算法：a）獲取共識點、分歧點和爭議點的算法（略）；b)共識點集合、分歧點集合和爭議點集合在可視化圖形中呈現的布局算法，代碼如下： arrayList setEvaluationPosition(treeNode node，arrayList treeList){ …… for(int lev=startLevel;lev<=endLevel;lev++){… sameRow++;disputeRow++;differenceRow++;relateRow++; //更換層級時，行值增加 for(int i=0;i if(curNodeLevel==lev){ //獲取語義關系 string semanticRelation=this.getSemanticRelation(treeList，node，varNode); if(semanticRelation.equals(\"共識\")){ //布局共識點 if(!sameStart){ //如果從左向右顯示 if(sameRowCell else{sameStart=!sameStart; //到達最右邊，更換顯示方向 sameRowCell=sameColNum;sameRow++; //換顯示方向時，行增加 }}else{ //如果是從右向左顯示 if(sameRowCell>1){sameRowCell;} else{sameStart=!sameStart; //到達最左邊，更換顯示方向 sameRowCell=1;sameRow++;//更換顯示方向，行增加}} varNode.col=string.valueOf(sameRowCell); arNode.row=string.valueOf(sameRow);} else if(semanticRelation.equals(\"爭議\")){…//布局爭議點 }else if(semanticRelation.equals(\"分歧\")){…//布局分歧點 }else if(semanticRelation.equals(\"根節點\")){…//布局根節點 }else{…//布局相關點} }…return treeList;} 5）共識變化預測可視化 它主要通過繪制關注水平變化曲線、共識水平變化曲線，可視化展現共識水平變化DC(s)和關注水平變化DF(s)，基于當前共識狀態SC(s)來預測共識狀態變化，并且給出對于下一步研討的建議，主要為協助者進行引導提供有效支持。 a）獲取共識水平變化曲線。在某一時間段內，以間隔單位顯示各個時間點的共識水平從而得到共識變化曲線。主要通過節點以及子節點的權重得到在各個時間段內的共識水平。 b）獲取關注水平變化曲線。在某一時間段內，以間隔單位顯示各個時間點的關注水平，從而得到關注水平變化曲線。該算法與a)的算法相似，故略去。 c）進行共識變化預測，并給出建議。為了顯示和比較的需要，本研究將共識水平乘以一個系數（取5），從而將共識水平變化和關注水平變化畫在同一個圖形上，顯示相應變化曲線，研討人員根據曲線變化趨勢和當前共識狀態，點擊“選擇共識變化預測和建議”按鈕，ECBAR給出相應的當前狀態描述和共識變化預測與建議。 3 結束語 利用Java技術、ASP技術以及XML方法等開發了體現群體研討多層次動態研討網絡思想的多媒體網絡化的ECBAR，提供了與群體同步研討、異步研討的強大接口。通過與研討數據庫的交互，將研討信息轉換成屬性結構化、邏輯關系明確且具有多媒體特征的可視可聽的超文本信息鏈接集合，從而為群體所共享。在這些算法的基礎上，實現了ECBAR系統中群體研討信息的自然式、自主式和智能式可視化功能，有效地獲取了群體成員認知結構及其變化，通過公共大腦的認知、思考、思維變化等有助于支持群體創新、信息共享，并促進共識達成從而有效輔助決策。 參考文獻： ［1］于景元，涂元季.從定性到定量的綜合集成方法——案例研究[J].系統工程理論與實踐，2002，22(5):17，42. [2]錢學森，于景元，戴汝為. 一個科學的新領域——開放的復雜巨系統及其方法論[J].自然雜志，1990，13(1): 310. [3]程少川，孫景樂，盧明德.群體決策爭議的支持模式研究[J].系統工程學報，2001，16(5):366-367. [4]程少川，張朋柱.電子公共大腦的信息組織設計研究[J]. 西安交通大學學報:社會科學版，2001，21(1):42-47. [5]張興學，張朋柱.群體決策研討意見分布可視化研究[J].管理科學學報，2005，8(4):15-27. [6]張興學.基于電子公共大腦（ECB）的群體研討信息可視化及其認知激發研究[D].上海：上海交通大學，2006.
