Tag preferible nube de visualización Formatos

Question

Por curiosidad, me gustaría saber qué formatos de las nubes de etiquetas mejor sirven al propósito de descubrimiento de más y más contenido (relevante)?

Soy consciente de 3 formatos, pero no saben cuál es la mejor.

1) delicious one - color de sombreado

2) El standard one con las variaciones de tamaño del tipo de letra -

3) El de este sitio - números que muestran importancia/uso.

Así cuáles prefiere? ¿y por qué?

Editar: Gracias a las respuestas a continuación, ahora tengo mucho más conocimiento de las técnicas de visualización de nube de etiquetas.

4) Parallel Tag Clouds - un simple uso de la técnica de coordenadas paralela. Lo encuentro más organizado y legible.

5) voroni diagram - más útil para identificar las relaciones de la etiqueta y tomar decisiones basadas en ellos. No cumple nuestro propósito de descubrimiento de contenido relevante.

6) Los mapas mentales - Ellos son buenos y se pueden emplear en el paso por el contenido del filtro paso.

he encontrado algunas técnicas más interesantes aquí - http://www.cs.toronto.edu/~ccollins/research/index.html

Answer 1

Realmente creo que depende del contenido de la información y la audiencia . Lo relevante para uno no es relevante para otro. Si el público está más especializado, entonces estarán más propensos a pensar a lo largo de las mismas líneas, pero sería todavía tienen que ser analizados y se ocuparon de por el proveedor de contenido.

También hay varias rutas que una persona puede tomar para "descubrir más". Tome la etiqueta "DNS" por ejemplo. Se podría profundizar en los detalles más específicos como "Puerto UDP 53" y "registro MX", o usted podría ir hacia los lados con términos como "dirección IP" "host" y "URL". Un diagrama muestra Voronoi racimos, pero no manejaría el caso en términos generales podrían estar relacionados con muchos conceptos. Asignación de nombre de host a "DNS", "HTTP", "SSH", etc.

Me he dado cuenta de que en ciertas nubes de etiquetas generalmente hay uno o dos elementos que son mucho más grandes que los demás. Ese tipo de cosas podría ser servida por un mapa mental, donde un concepto central tiene otros que irradian de él.

Para los casos de muchos "temas principales" donde un mapa mental es inapropiado, hay parallel coordinates pero sería desconcertante para muchos usuarios de la red.

Creo que si encontramos una manera extremadamente bien organizada de clasificar grupos de etiquetas preservando al mismo tiempo los vínculos entre las generalidades y especificidades, que sería algo útil para la investigación en IA.

En términos de los cuales yo personalmente prefiero, creo que el enfoque numérico es agradable porque las etiquetas con poca frecuencia se hace referencia todavía se presentan en un tamaño de letra legible. También creo que SO lo hace de esta manera porque tienen muchas más etiquetas para cubrir que la nube de tamaño promedio a la norma.

Answer 2

tamaño diagrama voroni ajustado - que muestra qué etiquetas están relacionados entre sí

Answer 3

Me gustaría ir con el n. ° 2 de las opciones que mencionaste arriba.

• 1 - El ojo humano reconoce y comprende las diferencias de tamaño mucho más eficaz que el color, cuando la escala de colores está a lo largo del mismo espectro (es decir, diversos azules en contraposición a discretos colores individuales).

• 3 - Requiere que el usuario escanee la lista completa y compare matemáticamente cada número individual durante el escaneo. Ninguna relación real significativa entre etiquetas sin mucho trabajo en la parte de los usuarios.

Por lo tanto, ir con # 2, hay varias consideraciones a tener en cuenta:

• mantener el alfabético etiquetas. Esto permite al usuario otro método de búsqueda y establece una relación conocida entre cada uno (¡suponiendo que conozcan el alfabeto!). Si no están ordenados, es solo un crapshoot encontrar uno solo.
• Si la comparación de tamaño es absolutamente crítica (esto no suele ser el caso, ya que puede escalar cada nivel en un determinado porcentaje o cantidad de píxeles), use una fuente de espacio simple. De lo contrario, ciertas combinaciones de letras pueden terminar en buscando más grandes de lo que realmente son.
• No incluya comas, tuberías ni otros divisores. Ya vas a tener una gran cantidad de datos en un área pequeña, sin necesidad de llenarlo de basura. Separe las etiquetas con una buena cantidad de relleno, por supuesto. Simplemente no duplique el número de elementos visuales agregando más que solo los datos.
• Establezca un tamaño de fuente mínimo/máximo y escale entre esos. Hay situaciones en las que una etiqueta puede ser tan popular que visualmente puede parecer exponencialmente más grande que las otras. Del mismo modo, no desea que una etiqueta termine renderizando en 1px. Establezca el mínimo/máximo y ajuste según sea necesario.

Answer 4

Mi formato favorito de nube de etiquetas es el formato Wordle. Se ve muy bien y también hace un buen trabajo al colocar muchas etiquetas en un espacio pequeño.