Проектирование системы визуализации данных, основанной на языково-ориентированном подходе

Предлагается метод визуализации данных, основанный на языково-ориентированном подходе. Проведен анализ инструментов визуализации данных и возможности их настройки на предметные области исходя из потребностей пользователей. Отмечено, что эти инструменты требуют от пользователей высокой квалификации для настройки формата визуализации данных (пользователи должны иметь навыки программирования). Предлагается настраивать средства визуализации под нужды пользователей и специфику решаемых пользователями задач путем создания предметно-ориентированных языков (DSL). Описывается архитектура системы, основанной на использовании многоаспектной онтологии. Онтология включает описания языков и предметных областей, а также правила генерации новых языков и трансформации построенных моделей. Языки предназначены для описания различных классов диаграмм. Эта система включает в себя инструменты для автоматического создания новых DSL посредством отображения онтологии предметной области на метамодель базового языка по заданным пользователем правилам. Выполнена классификация различных типов диаграмм и выявлены основные компоненты диаграмм каждого типа, что дает основу для создания онтологии языков визуализации данных. Предлагается базовый язык для создания диаграмм. Демонстрируется возможность настройки языка для конкретных предметных областей. Приведен пример созданных моделей визуализации данных.

1. Midway S. R. Principles of Effective Data Visualization. Patterns, 2020, vol. 1, issue 9, article 100141. DOI: 10.1016/j.patter.2020.100141.

2. Oral E., Chawla R., Wijkstra M., Mahyar N., Dimara E. From Information to Choice: A Critical Inquiry Into Visualization Tools for Decision Making. IEEE Transactions on Visualization and Computer Graphics, 2024, vol. 30, no. 1, pp. 359–369. DOI: 10.1109/TVCG.2023.3326593.

3. Morgan R., Grossmann G., Schrefl M., Stumptner M, Payne T. VizDSL: A Visual DSL for Interactive Information Visualization. In Proc. of the 30th International Conference “Advanced Information Systems Engineering”, CAiSE 2018, 2018, pp. 440–455. DOI: 10.1007/978-3-319-91563-0_27.

4. Lyadova L., Sukhov A., Nureev M. An Ontology-Based Approach to the Domain Specific Languages Design. In Proc. of the 15th IEEE International Conference on Application of Information and Communication Technologies (AICT2021), 2021, 6 p. DOI: 10.1109/AICT52784.2021.9620493.

5. Kulagin G., Ermakov I., Lyadova L Ontology-Based Development of Domain-Specific Languages via Customizing Base Language. In Proc. of the 16th IEEE International Conference on Application of Information and Communication Technologies (AICT2022), 2022, 6 p. DOI: 10.1109/AICT55583.2022.10013619.

6. Qin X., Luo Y., Tang, N., Li G. Making Data Visualization More Efficient and Effective: a Survey. The VLDB Journal, 2019, vol. 29, no. 1, pp. 93–117. DOI: 10.1007/s00778-019-00588-3.

7. Cepero García M. T., Montané-Jiménez L. G. Visualization to Support Decision-Making in Cities: Advances, Technology, Challenges, and Opportunities. In Proc of the 8th International Conference in Software Engineering Research and Innovation (CONISOFT), 2020, pp. 198–207. DOI: 10.1109/CONISOFT50191.2020.00037.

8. Zelazny G. The Say It with Charts Complete Toolkit. New York, McGraw-Hill Professional, 2006, 312 p.

9. Kirk A., Data Visualization: A Successful Design Process. Birmingham, Packt Publishing Ltd, 2012, 189 p.

10. Smeltzer K., Erwig M., Metoyer R. A transformational Approach to Data Visualization. In the Proc. of the 2014 International Conference on Generative Programming: Concepts and Experiences (GPCE 2014), 2014, pp. 53–62. DOI: 10.1145/2658761.2658769.

11. Smeltzer K., Erwig M. A Domain-Specific Language for Exploratory Data Visualization. In Proc. of the 17th ACM SIGPLAN International Conference on Generative Programming: Concepts and Experiences (GPCE 2018), 2018, pp. 1–13. DOI: 10.1145/3278122.3278138.

12. Ledur C., Griebler D., Manssour I., Fernandes L. G. A High-Level DSL for Geospatial Visualizations with Multi-core Parallelism Support. In Proc. of the IEEE 41st Annual Computer Software and Applications Conference (COMPSAC), 2017, pp. 298–304. DOI: 10.1109/COMPSAC.2017.18.

13. Zayakin V., Lyadova L., Rabchevskiy E. Design Patterns for a Knowledge-Driven Analytical Platform. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS), 2022, vol. 34, no. 2, pp. 43–56. DOI: 10.15514/ISPRAS-2022-34(2)-4.

14. Zayakin V. S., Lyadova L. N., Lanin V. V., Zamyatina E. B., Rabchevskiy E. A. An Ontology-Driven Approach to the Analytical Platform Development for Data-Intensive Domains. Knowledge Discovery, Knowledge Engineering and Knowledge Management. IC3K 2021. Communications in Computer and Information Science. Springer, Cham. 2023, vol. 1718, pp. 129–149.

15. DOI: 10.1007/978-3-031-35924-8_8.

16. Lyadova L., Ermakov I., Lanin V., Proskuryakov K. Approach to the Development of Ontology-Driven Language Toolkits Based on Metamodeling. In Proc. of the IEEE 17th International Conference on Application of Information and Communication Technologies (AICT2023), 2023, 6 p. DOI: 10.1109/AICT59525.2023.10313152.

17. Kahani N., Bagherzadeh M., Cordy J. Survey and Classification of Model Transformation Tools. Software & Systems Modeling, 2019, vol. 18, pp. 2361–2397. DOI: 10.1007/s10270-018-0665-6.

18. Ding J., Lu J., Wang G., Ma J., Kiritsis D., Yan Y. Code Generation Approach Supporting Complex System Modeling Based on Graph Pattern Matching. IFAC-PapersOnLine, 2022, vol. 55, Issue 10, pp. 3004–3009. DOI: 10.1016/j.ifacol.2022.10.189.

19. Satyanarayan A., Moritz D., Wongsuphasawat K, Heer J. Vega-Lite: A Grammar of Interactive Graphics. IEEE Transactions on Visualization and Computer Graphics, 2016, vol. 23, no. 1, pp. 341–350. DOI: 10.1109/TVCG.2016.2599030.