MétaCan
Menu
Retour à la cohorte
Enregistrement W2778189778 · doi:10.3138/cart.52.4.2016-0007

An Automated Displaced Proportional Circle Map Using Delaunay Triangulation and an Algorithm for Node Overlap Removal

2017· article· en· W2778189778 sur OpenAlexvenueno aff
David Lamb

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlgorithmSymbol (formal)TriangulationDelaunay triangulationComputer scienceClutterNode (physics)Range (aeronautics)GraphMathematicsArtificial intelligenceComputer visionTheoretical computer scienceGeometry

Résumé

récupéré en direct d'OpenAlex

Proportional circle maps are a popular method for visualizing quantitative data on a map. Circles are scaled proportionally based on the data provided; larger circles represent larger quantities. The circles require two values, a location and a numeric quantity. For data that have a wide range of values, the resulting map will produce clutter and overlap in which large symbols obscure the information contained in smaller circles. Some previous solutions to this problem are modifying and improving the contrast between symbols, or using stacking algorithms so all symbols are visible. This article proposes the displaced proportional symbol map, which displaces the symbol's location based on the amount of overlap between neighbouring circles. At the same time, it preserves the location of non-overlapping symbols, which distinguishes it from the circular cartogram. The displacement is automated through the proximity stress model algorithm for node overlap removal. This algorithm was originally designed for graph layouts with overlapping nodes, but was modified here for circular symbols and map layout. The result is a map with improved clarity and the ability to add labelling to a cluttered proportional circle map.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,000
Communication savante0,0040,007
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,362
Écart entre enseignants0,342 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetData Visualization and AnalyticsTravaux en français237 207