학술 네트워크 시각적 질의 시스템

본 논문은 학술 네트워크 플랫폼에서의 검색 결과 시각화 시스템을 제안하고 그 설계, 구현, 적용 사례를 상세히 설명한다. 서론에서는 데이터 복잡성 증가와 정보 시각화의 필요성을 언급하며, 기존 학술 검색 시스템(예: Aminer)이 프로필 검색, 전문가 찾기 등의 기능은 제공하지만 결과를 단순 목록으로 나열하여 학자 간의 관계가 사용자에게 가려진 한계를 지적한다. 이를 해결하기 위해 다중 기준 검색을 지원하고 숨겨진 관계를 드러내는 시각화 기반 질의 시스템의 필요성을 제기한다. 관련 연구에서는 기존 시스템이 체크박스 형식으로 키워드를 선택하게 하여 개념 간의 수직적(상위/하위) 관계를 표현하지 못하는 문제점을 분석한다. 또한 확장어 검색의 불편함을 지적하며, 동적이고 인터랙티브한 시각 디스플레이의 중요성을 강조한다. 시스템 개요 섹션에서는 제안하는 시각 질의 시스템의 전체 구조를 설명한다. 시스템은 크게 1) 질의어 입력 바, 2) 키워드 확장 패널(약어의 원형 표시), 3) 질의 그래프 탐색기(주요 시각화 영역), 4) 질의 결과 목록 디스플레이(학자 정보 목록)로 구성된다. 이는 사용자가 키워드 관계를 탐색하면서 동시에 해당 키워드와 연관된 구체적인 학자 정보를 확인할 수 있는 통합 인터페이스를 지향한다. 핵심 내용으로, 세 가지 시각화 디자인을 제시한다. 첫째, 'Radial Tree'는 중심 노드에서 계층이 방사형으로 펼쳐지는 레이아웃으로, 구조적 직관성과 미적 매력이 장점이다. 둘째, 'Horizon Tree'는 수평 방향의 트리 맵으로 공간을 효율적으로 사용하며 상위/하위 개념 구분이 명확하다. 셋째, 'Force Map'은 색상이 풍부한 노드들이 서로 끌고 밀리는 물리 시뮬레이션 기반 레이아웃으로, 인터랙션과 재미 요소에 중점을 둔다. 상호작용 설계에서는 사용자 경험을 중시한 다양한 기능을 설명한다. 트리 노드 클릭을 통한 하위 개념 확장/축소, 노드 더블클릭을 통한 탐색 중심 이동(해당 노드를 새로운 중심으로 재배치), 'More' 노드를 통한 동적 데이터 추가 등이다. 이를 통해 사용자는 수동적으로 결과를 받아보는 것을 넘어 능동적으로 정보 공간을 탐색할 수 있다. 마지막으로 'Data Mining', 'Data Integration' 등 구체적인 키워드 검색 사례를 통해 시스템의 작동 방식을 시연하고, 다양한 상황(약어 검색, 완전한 단어 검색, 하위 개념이 없는 단어 검색 등)에서도 유연하게 대응함을 보여준다. 결론에서는 이러한 시각화 기반 질의 시스템이 사용자로 하여금 원하는 영역을 더 잘 이해하고 검색을 더 효과적으로 만들 수 있음을 강조하며 연구를 마무리한다.