數據可視化、信息可視化與知識可視化
(2011-07-23 12:28:17)簡介
數據可視化是關於數據之視覺表現形式的研究;其中,這種數據的視覺表現形式被定義爲一種以某種概要形式抽提出來的信息,包括相應信息單位的各種屬性和變量。 數據可視化技術的基本思想是將數據庫中每一個數據項作爲單個圖元元素表示,大量的數據集構成數據圖像,同時將數據的各個屬性值以多維數據的形式表示,可以從不同的維度觀察數據,從而對數據進行更深入的觀察和分析。概述
數據可視化主要旨在藉助於圖形化手段,清晰有效地傳達與溝通信息。但是,這並不就意味着,數據可視化就一定因爲要實現其功能用途而令人感到枯燥乏味,或者是爲了看上去絢麗多彩而顯得極端複雜。爲了有效地傳達思想概念,美學形式與功能需要齊頭並進,通過直觀地傳達關鍵的方面與特徵,從而實現對於相當稀疏而又複雜的數據集的深入洞察。然而,設計人員往往並不能很好地把握設計與功能之間的平衡,從而創造出華而不實的數據可視化形式,無法達到其主要目的,也就是傳達與溝通信息。 數據可視化與信息圖形、信息可視化、科學可視化以及統計圖形密切相關。當前,在研究、教學和開發領域,數據可視化乃是一個極爲活躍而又關鍵的方面。“數據可視化”這條術語實現了成熟的科學可視化領域與較年輕的信息可視化領域的統一。基本概念
數據可視化技術包含以下幾個基本概念: ①數據空間:是由n維屬性和m個元素組成的數據集所構成的多維信息空間; ②數據開發:是指利用一定的算法和工具對數據進行定量的推演和計算; ③數據分析:指對多維數據進行切片、塊、旋轉等動作剖析數據,從而能多角度多側面觀察數據; ④數據可視化:是指將大型數據集中的數據以圖形圖像形式表示,並利用數據分析和開發工具發現其中未知信息的處理過程。 目前數據可視化已經提出了許多方法,這些方法根據其可視化的原理不同可以劃分爲基於幾何的技術、面向像素技術、基於圖標的技術、基於層次的技術、基於圖像的技術和分佈式技術等等。歷史
數據可視化領域的起源可以追溯到二十世紀50年代計算機圖形學的早期。當時,人們利用計算機創建出了首批圖形圖表。1987年,由布魯斯·麥考梅克、托馬斯·德房蒂和瑪克辛·布朗所編寫的美國國家科學基金會報告《Visualization in Scientific Computing》(意爲“科學計算之中的可視化”),對於這一領域產生了大幅度的促進和刺激。這份報告之中強調了新的基於計算機的可視化技術方法的必要性。隨着計算機運算能力的迅速提升,人們建立了規模越來越大,複雜程度越來越高的數值模型,從而造就了形形色色體積龐大的數值型數據集。同時,人們不但利用醫學掃描儀和顯微鏡之類的數據採集設備產生大型的數據集,而且還利用可以保存文本、數值和多媒體信息的大型數據庫來收集數據。因而,就需要高級的計算機圖形學技術與方法來處理和可視化這些規模龐大的數據集。 短語“Visualization in Scientific Computing”(意爲“科學計算之中的可視化”)後來變成了“Scientific Visualization”(即“科學可視化”),而前者最初指的是作爲科學計算之組成部分的可視化:也就是科學與工程實踐當中對於計算機建模和模擬的運用。更近一些的時候,可視化也日益尤爲關注數據,包括那些來自商業、財務、行政管理、數字媒體等方面的大型異質性數據集合。二十世紀90年代初期,人們發起了一個新的,稱爲“信息可視化”的研究領域,旨在爲許多應用領域之中對於抽象的異質性數據集的分析工作提供支持。因此,目前人們正在逐漸接受這個同時涵蓋科學可視化與信息可視化領域的新生術語“數據可視化” 。 自那時起,數據可視化就是一個處於不斷演變之中的概念,其邊界在不斷地擴大;因而,最好是對其加以寬泛的定義。數據可視化指的是技術上較爲高級的技術方法,而這些技術方法允許利用圖形、圖像處理、計算機視覺以及用戶界面,通過表達、建模以及對立體、表面、屬性以及動畫的顯示,對數據加以可視化解釋。與立體建模之類的特殊技術方法相比,數據可視化所涵蓋的技術方法要廣泛得多。數據可視化的適用範圍
關於數據可視化的適用範圍,目前存在着不同的劃分方法。一個常見的關注焦點就是信息的呈現。例如,邁克爾·弗蘭德利(2008)提出了數據可視化的兩個主要的組成部分:統計圖形和主題圖。另外,《Data Visualization: Modern Approaches》(意爲“數據可視化:現代方法”)(2007)一文則概括闡述了數據可視化的下列主題 : 1)思維導圖 2)新聞的顯示 3)數據的顯示 4)連接的顯示 5)網站的顯示 6)文章與資源 7)工具與服務 所有這些主題全都與圖形設計和信息表達密切相關。 另一方面,Frits H. Post (2002)則從計算機科學的視角,將這一領域劃分爲如下多個子領域: 1)可視化算法與技術方法 2)立體可視化 3)信息可視化 4)多分辨率方法 5)建模技術方法 6)交互技術方法與體系架構 數據可視化的成功應歸於其背後基本思想的完備性:依據數據及其內在模式和關係,利用計算機生成的圖像來獲得深入認識和知識。其第二個前提就是利用人類感覺系統的廣闊帶寬來操縱和解釋錯綜複雜的過程、涉及不同學科領域的數據集以及來源多樣的大型抽象數據集合的模擬。這些思想和概念極其重要,對於計算科學與工程方法學以及管理活動都有着精深而又廣泛的影響。《Data Visualization: The State of the Art》(意爲“數據可視化:尖端技術水平”)一書當中重點強調了各種應用領域與它們各自所特有的問題求解可視化技術方法之間的相互作用。相關領域
數據採集(有時縮寫爲DAQ或DAS),又稱爲“數據獲取”或“數據收集”,是指對現實世界進行採樣,以便產生可供計算機處理的數據的過程。通常,數據採集過程之中包括爲了獲得所需信息,對於信號和波形進行採集並對它們加以處理的步驟。數據採集系統的組成元件當中包括用於將測量參數轉換成爲電信號的傳感器,而這些電信號則是由數據採集硬件來負責獲取的。數據分析
數據分析是指爲了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據分析與數據挖掘密切相關,但數據挖掘往往傾向於關注較大型的數據集,較少側重於推理,且常常採用的是最初爲另外一種不同目的而採集的數據。在統計學領域,有些人將數據分析劃分爲描述性統計分析、探索性數據分析以及驗證性數據分析;其中,探索性數據分析側重於在數據之中發現新的特徵,而驗證性數據分析則側重於已有假設的證實或證僞。 數據分析的類型包括: 1)探索性數據分析:是指爲了形成值得假設的檢驗而對數據進行分析的一種方法,是對傳統統計學假設檢驗手段的補充。該方法由美國著名統計學家約翰·圖基命名。 2)定性數據分析:又稱爲“定性資料分析”、“定性研究”或者“質性研究資料分析”,是指對諸如詞語、照片、觀察結果之類的非數值型數據(或者說資料)的分析。數據治理
數據治理涵蓋爲特定組織機構之數據創建協調一致的企業級視圖(enterprise view)所需的人員、過程和技術,數據治理旨在: 1)增強決策制定過程中的一致性與信心 2)降低遭受監管罰款的風險 3)改善數據的安全性 4)最大限度地提高數據的創收潛力 5)指定信息質量責任數據管理
數據管理,又稱爲“數據資源管理”,包括所有與管理作爲有價值資源的數據相關的學科領域。對於數據管理,DAMA所提出的正式定義是:“數據資源管理是指用於正確管理企業或機構整個數據生命週期需求的體系架構、政策、規範和操作程序的制定和執行過程”。這項定義相當寬泛,涵蓋了許多可能在技術上並不直接接觸低層數據管理工作(如關係數據庫管理)的職業。數據挖掘
數據挖掘是指對大量數據加以分類整理並挑選出相關信息的過程。數據挖掘通常爲商業智能組織和金融分析師所採用;不過,在科學領域,數據挖掘也越來越多地用於從現代實驗與觀察方法所產生的龐大數據集之中提取信息。 數據挖掘被描述爲“從數據之中提取隱含的,先前未知的,潛在有用信息的非凡過程”,以及“從大型數據集或數據庫之中提取有用信息的科學”。與企業資源規劃相關的數據挖掘是指對大型交易數據集進行統計分析和邏輯分析,從中尋找可能有助於決策制定工作的模式的過程。
數據可視化是關於數據之視覺表現形式的研究;其中,這種數據的視覺表現形式被定義爲一種以某種概要形式抽提出來的信息,包括相應信息單位的各種屬性和變量[1]。
概述
數據可視化主要旨在藉助於圖形化手段,清晰有效地傳達與溝通信息。但是,這並不就意味着,數據可視化就一定因爲要實現其功能用途而令人感到枯燥乏味,或者是爲了看上去絢麗多彩而顯得極端複雜。爲了有效地傳達思想概念,美學形式與功能需要齊頭並進,通過直觀地傳達關鍵的方面與特徵,從而實現對於相當稀疏而又複雜的數據集的深入洞察。然而,設計人員往往並不能很好地把握設計與功能之間的平衡,從而創造出華而不實的數據可視化形式,無法達到其主要目的,也就是傳達與溝通信息[2]。
數據可視化與信息圖形、信息可視化、科學可視化以及統計圖形密切相關。當前,在研究、教學和開發領域,數據可視化乃是一個極爲活躍而又關鍵的方面。“數據可視化”這條術語實現了成熟的科學可視化領域與較年輕的信息可視化領域的統一[3]。
歷史
數據可視化領域的起源可以追溯到二十世紀50年代計算機圖形學的早期。當時,人們利用計算機創建出了首批圖形圖表。1987年,由布魯斯·麥考梅克(英語:Bruce H. McCormick)、 托馬斯·德房蒂(英語:Thomas A. DeFanti)和瑪克辛·布朗(英語:Maxine D. Brown)所編寫的美國國家科學基金會報告《Visualization in Scientific Computing》(意爲“科學計算之中的可視化”)[4] ,對於這一領域產生了大幅度的促進和刺激。這份報告之中強調了新的基於計算機的可視化技術方法的必要性。隨着計算機運算能力的迅速提升,人們建立了規模越來越大,複雜程度越來越高的數值模型,從而造就了形形色色體積龐大的數值型數據集。同時,人們不但利用醫學掃描儀和顯微鏡之類的數據採集設備產生大型的數據集,而且還利用可以保存文本、數值和多媒體信息的大型數據庫來收集數據。因而,就需要高級的計算機圖形學技術與方法來處理和可視化這些規模龐大的數據集[3]。
短語“Visualization in Scientific Computing”(意爲“科學計算之中的可視化”)後來變成了“Scientific Visualization”(即“科學可視化”),而前者最初指的是作爲科學計算之組成部分的可視化:也就是科學與工程實踐當中對於計算機建模和模擬的運用。更近一些的時候,可視化也日益尤爲關注數據,包括那些來自商業、財務、行政管理、數字媒體等方面的大型異質性數據集合。二十世紀90年代初期,人們發起了一個新的,稱爲“信息可視化”的研究領域,旨在爲許多應用領域之中對於抽象的異質性數據集的分析工作提供支持。因此,目前人們正在逐漸接受這個同時涵蓋科學可視化與信息可視化領域的新生術語“數據可視化”[3] 。
自那時起,數據可視化就是一個處於不斷演變之中的概念,其邊界在不斷地擴大;因而,最好是對其加以寬泛的定義。數據可視化指的是技術上較爲高級的技術方法,而這些技術方法允許利用圖形、圖像處理、計算機視覺以及用戶界面,通過表達、建模以及對立體、表面、屬性以及動畫的顯示,對數據加以可視化解釋。與立體建模之類的特殊技術方法相比,數據可視化所涵蓋的技術方法要廣泛得多[5]。
數據可視化的適用範圍
關於數據可視化的適用範圍,目前存在着不同的劃分方法。一個常見的關注焦點就是信息的呈現。例如,邁克爾·弗蘭德利(英語:Michael Friendly)(2008)提出了數據可視化的兩個主要的組成部分:統計圖形和主題圖(英語:Thematic map)[1]。另外,《Data Visualization: Modern Approaches》(意爲“數據可視化:現代方法”)(2007)一文則概括闡述了數據可視化的下列主題[6] :
所有這些主題全都與圖形設計和信息表達密切相關。
另一方面,Frits H. Post (2002)則從計算機科學的視角,將這一領域劃分爲如下多個子領域[3]:
- 可視化算法與技術方法
- 立體可視化
- 信息可視化
- 多分辨率方法
- 建模技術方法
- 交互技術方法與體系架構
數據可視化的成功應歸於其背後基本思想的完備性:依據數據及其內在模式和關係,利用計算機生成的圖像來獲得深入認識和知識。其第二個前提就是利用人類感覺系統的廣闊帶寬來操縱和解釋錯綜複雜的過程、涉及不同學科領域的數據集以及來源多樣的大型抽象數據集合的模擬。這些思想和概念極其重要,對於計算科學與工程方法學以及管理活動都有着精深而又廣泛的影響。《Data Visualization: The State of the Art》(意爲“數據可視化:尖端技術水平”)一書當中重點強調了各種應用領域與它們各自所特有的問題求解可視化技術方法之間的相互作用[3]。
相關領域
數據採集
- 數據採集(有時縮寫爲DAQ或DAS),又稱爲“數據獲取”或“數據收集”,是指對現實世界進行採樣,以便產生可供計算機處理的數據的過程。通常,數據採集過程之中包括爲了獲得所需信息,對於信號和波形進行採集並對它們加以處理的步驟。數據採集系統的組成元件當中包括用於將測量參數轉換成爲電信號的傳感器,而這些電信號則是由數據採集硬件來負責獲取的。
數據分析
- 數據分析是指爲了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據分析與數據挖掘密切相關,但數據挖掘往往傾向於關注較大型的數據集,較少側重於推理,且常常採用的是最初爲另外一種不同目的而採集的數據。在統計學領域,有些人將數據分析劃分爲描述性統計分析、探索性數據分析以及驗證性數據分析;其中,探索性數據分析側重於在數據之中發現新的特徵,而驗證性數據分析則側重於已有假設的證實或證僞。
數據分析的類型包括:
- 探索性數據分析:是指爲了形成值得假設的檢驗而對數據進行分析的一種方法,是對傳統統計學假設檢驗手段的補充。該方法由美國著名統計學家約翰·圖基(英語:John Tukey)命名。
- 定性數據分析:又稱爲“定性資料分析”、“定性研究”或者“質性研究資料分析”,是指對諸如詞語、照片、觀察結果之類的非數值型數據(或者說資料)的分析。
數據治理
- 數據治理涵蓋爲特定組織機構之數據創建協調一致的企業級視圖(enterprise view)所需的人員、過程和技術;數據治理旨在:
- 增強決策制定過程中的一致性與信心
- 降低遭受監管罰款的風險
- 改善數據的安全性
- 最大限度地提高數據的創收潛力
- 指定信息質量責任
數據管理
- 數據管理,又稱爲“數據資源管理”,包括所有與管理作爲有價值資源的數據相關的學科領域。對於數據管理,DAMA所提出的正式定義是:“數據資源管理是指用於正確管理企業或機構整個數據生命週期需求的體系架構、政策、規範和操作程序的制定和執行過程”。這項定義相當寬泛,涵蓋了許多可能在技術上並不直接接觸低層數據管理工作(如關係數據庫管理)的職業。
數據挖掘
數據挖掘被描述爲“從數據之中提取隱含的,先前未知的,潛在有用信息的非凡過程”[7],以及“從大型數據集或數據庫之中提取有用信息的科學”[8]。與企業資源規劃相關的數據挖掘是指對大型交易數據集進行統計分析和邏輯分析,從中尋找可能有助於決策制定工作的模式的過程[9]。
參見
信息可視化
信息可視化囊括了數據可視化、信息圖形、知識可視化、科學可視化以及視覺設計方面的所有發展與進步。在這種層次上,如果加以充分適當的組織整理,任何事物都是一類信息:表格、圖形、地圖,甚至包括文本在內,無論其是靜態的還是動態的,都將爲我們提供某種方式或手段,從而讓我們能夠洞察其中的究竟,找出問題的答案,發現形形色色的關係,或許還能讓我們理解在其他形式的情況下不易發覺的事情。不過,如今在科學技術研究領域,信息可視化這條術語則一般適用於大規模非數字型信息資源的可視化表達。 信息可視化致力於創建那些以直觀方式傳達抽象信息的手段和方法。可視化的表達形式與交互技術則是利用人類眼睛通往心靈深處的廣闊帶寬優勢,使得用戶能夠目睹、探索以至立即理解大量的信息。
一些例子
各種各樣數據結構的可視化需要新的用戶界面以及可視化技術方法。現在,這已經發展成爲了一門獨立的學科,也就是“信息可視化”[2]。信息可視化與經典的科學可視化是兩個彼此相關的領域,但二者卻有所不同。在信息可視化當中,所要可視化的數據並不是某些數學模型的結果或者是大型數據集,而是具有自身內在固有結構的抽象數據。此類數據的例子包括: 1)編譯器等各種程序的內部數據結構,或者大規模並行程序的蹤跡信息; 2)WWW 網站內容; 3)操作系統文件空間; 4)從各種數據庫查詢引擎那裏所返回的數據,如數字圖書館。 信息可視化領域的另一項特點就是,所要採用的那些工具有意側重於廣泛可及的環境,如普通工作站、WWW、PC機等等。這些信息可視化工具並不是爲價格昂貴的專業化高端計算設備而定製的[2]。 信息可視化與可視化分析在目標和技術之間存在着部分重疊。雖然在這兩個領域之間還沒有一個清晰的邊界,但大致有三個方面可以作以區分。科技可視化主要處理具有地理結構的數據,信息可視化主要處理像樹、圖形等抽象式的數據結構,可視化分析則主要挖掘數據背景的問題與原因。與可視化分析論之間的聯繫
就目標和技術方法而言,信息可視化與可視化分析論之間存在着一些重疊。當前,關於科學可視化、信息可視化及可視化分析論之間的邊界問題,還沒有達成明確清晰的共識。不過,大體上來說,這三個領域之間存在着如下區別: 1)科學可視化處理的是那些具有天然幾何結構的數據(比如,MRI數據、氣流)。 2)信息可視化處理的是抽象數據結構,如樹狀結構或圖形。 3)可視化分析論尤其關注的是意會和推理。發展歷史
自十八世紀後期數據圖形學誕生以來,抽象信息的視覺表達手段一直被人們用來揭示數據及其他隱匿模式的奧祕。二十世紀90年代期間新近問世的圖形化界面,則使得人們能夠直接與可視化的信息之間進行交互,從而造就和帶動了十多年來的信息可視化研究。信息可視化試圖通過利用人類的視覺能力,來搞清抽象信息的意思,從而加強人類的認知活動。籍此,具有固定知覺能力的人類就能駕馭日益增多的數據。信息可視化的英文術語“Information Visualization”是由斯圖爾特·卡德、約克·麥金利和喬治·羅伯遜於1989年創造出來的。據斯圖爾特·卡德1999年的報告稱,二十世紀90年代以來才興起的信息可視化領域,實際上源自其他幾個領域。2003年,本·什內德曼指出,該領域已經由研究領域之中從稍微不同的方向上嶄露出頭角。同時,他還提到了圖形學、視覺設計、計算機科學以及人機交互,以及新近出現的心理學和商業方法。相關應用
信息可視化日益成爲不同領域方向的關鍵要素: 科學技術研究工作; 數字圖書館; 數據挖掘; 財務數據分析和市場研究; 生產製造過程的控制; 犯罪地圖。
信息可視化學習
傳統信息檢索系統(Internet搜索引擎,以及傳統圖書館文獻目錄檢索系統)
1 沒有考慮人的檢索查詢行爲。
2 對用戶來講是一個不透明的黑箱。
3 用戶對傳統信息檢索系統的檢索過程是不連續的。
4 檢索結果是一種簡單的線性表達。
5 缺乏一種有效的檢索反饋機制。
6 檢索結果不能夠有效地展示大量文獻體。
信息檢索可視化優勢:
1 一個可視化的信息檢索環境利於用戶進行信息瀏覽,信息開發,信息挖掘。
2 可以使一個信息檢索過程透明。
3 可以向用戶提供更爲豐富的信息。
4 有可能開發出新的信息檢索和信息瀏覽方法和機制。
5 可以將人的認知能力融入信息檢索和信息瀏覽過程之中。
6 是一個良好的人機對話和交流的環境。
7 可以大大改善信息檢索的檢全率以及檢準率。
8 爲傳統的信息檢索打開了一扇全新的窗口,開拓了嶄新的應用以及研究領域,提升了信息檢索的檔次,
它代表着信息檢索系統發展的未來。
建立信息檢索可視化系統的一般步驟:
1 選擇應用領域以及信息檢索系統類型。
2 鑑別和定義要進行可視化的目標以及特徵。
3 對可視化空間的定義。
4 目標體從原始數據庫影射到可視化空間的算法和方法。
5 定義可視化空間中信息檢索和信息瀏覽方法。
6 可視化系統設計語言的選擇。
可視化信息檢索系統的常見功能:
1 允許用戶在可視化空間中觀察文獻與文獻之間,可能的話文獻與提問之間的語義關係,瀏覽可視化空間中任意特定領域。
2 根據用戶的需求,在可視化空間中動態地調整文獻分佈。
3 根據用戶的需求,在可視化空間中擴大/縮小一個特定的局部空間領域。
4 根據用戶的需求,在可視化空間中任意地選擇一個文獻並且閱讀它的有關詳細信息。
5 提供信息查詢手段。
6 展示並且解釋標準的情報檢索模型以及其他信息檢索機制。
信息檢索可視化面臨的問題:
1 怎樣在有限的顯示空間內展示海量信息?
2 怎樣有效地定義和建立信息可視化空間?
3 怎樣有效地評價信息檢索可視化系統?
4 信息檢索可視化系統空間維數的爭論。
互聯網信息的可視化主要反映在以下方面:
1 對搜索引擎結果的可視化。
2 對互聯網之中網頁之間節點聯繫的可視化。
3 對互聯網之中用戶使用網絡的情況進行可視化處理。
信息檢索的可視化系統:TileBars;VISUAL NET;GRIDL;DARE。(很遺憾,似乎爲小範圍實驗系統,a某未能體驗。)
(注:以下資料源自林夏先生的PPT。)
信息可視化是一門邊緣學科(計算機科學,信息科學,心理學;教育學及其他應用領域)
1995年前後,隨着網絡信息技術的發展,一批可視技術有了新的突破。信息可視化領域的一個里程碑是1995年開始的InfoVis年會。另一個里程碑是1999年出版的“Readings
in Information Visualization”。
信息可視化的三大支柱:感知的功能;圖形的功力;聯想的潛力。
信息可視化是對人類智能一種新的開發:理性的智慧;感性的智慧;知性的智慧(理解感知的能力:認知的功能、圖形的功能、聯想的功能;通過計算機的功能來提高,放大認知的功能)
信息可視化尋求人機合作(計算機將大量抽象的信息映射到圖像上;人們通過圖像的結構,特徵等來理解認識從而獲得知識。)
計算機與人各顯神通(電腦的高速信息處理能力遠遠超過人腦;人腦的識辨,理解能力是電腦所不可及的)
今天的信息世界(信息爆炸:怎樣組織它們?信息超載:怎樣理解它們?所有信息是相互關聯的:怎樣介入它們?知識淹沒在信息中:怎麼發現知識?信息以各種形式展現:怎樣顯示他們?)
信息可視化在數字圖書館中的應用(用可視化揭示信息的分佈;用可視化顯示檢索的結果;用可視化爲大量的信息分類;用可視化幫助用戶瀏覽;用可視化爲信息個體化服務)
信息可視化的應用實例(以下站點經a某測試均可用)
TheBrain: http://www.thebrain.com/
Touchgraph: http://www.touchgraph.com/
Grokker: http://www.groxis.com/service/grok/g_products.html
Topic maps
Highwire: http://www.highwire.org
信息可視化開發工具:
http://iv.slis.indiana.edu/
InfoVis Cyberinfrastructure – Indiana University: http://iv.slis.indiana.edu/
Piccolo Toolkit – University of Maryland: http://www.cs.umd.edu/hcil/piccolo/
the prefuse visualization toolkit: http://prefuse.sourceforge.net/
The visualization toolkit: http://public.kitware.com/VTK/
OpenDX: http://www.opendx.org/
參考文獻:
1 (張進.信息檢索可視化)曾民族主編.知識技術及其應用._北京:科學技術文獻出版社,2005.11431-460
2 林夏.信息可視化與數字圖書館.廈門數字圖書館高級研討班PPT,2005.7
3 林夏.信息可視化與可視分析.數字圖書館前沿問題(發展戰略與實踐)高級研討班資料.2006.8