편집자 주:톰 소여 소프트웨어는 GraphConnect San Francisco의 골드 스폰서에요. GraphConnect에 등록해서 Tom Sawyer 팀과 다른 스폰서들을 직접 만나보세요.
그림 1. 범죄자, 범죄 및 이들의 관계를 보여주는 범죄 네트워크 데이터 시각화
그림 2. 범죄자 네트워크, 범죄 및 이들의 관계에 대한 면밀한 조사
이 데이터 시각화 애플리케이션은 Tom Sawyer Perspectives로 생성되었고, Graph Database를 사용했어요. 이 애플리케이션은 시애틀 경찰국의 경찰 사건 보고서에서 수집한 데이터의 하위 집합을 통해 얻은 2007년부터 2009년 사이에 워싱턴 주 시애틀 시에서 발생한 범죄 사건을 보여주죠.
시연 목적으로 데이터는 용의자와 관련자들이 조작된 개인 목록을 활용하여 가상의 범죄 네트워크를 만들도록 변경되었어요. `People` Node는 범죄에 연루된 다양한 개인을 나타내요.
특정 `People` Node를 클릭하면 이름, 나이, 민족, 성별 등 검사기 보기 내에서 해당 사람에 대한 세부 정보가 제공돼요. `Crime` Node에는 강도, 마약 체포, 사기 등의 범죄 유형이 표시되고요. `Edge`는 이러한 개인과 사건 간의 연결을 나타내요.
이 도면은 대칭 레이아웃을 사용하는데, 이는 Tom Sawyer Perspectives에서 사용할 수 있는 여러 레이아웃 스타일 중 하나예요.
표시하려는 정보에 따라 다른 레이아웃 스타일이 상호 연결된 데이터에 대한 다양한 관점을 제공한다는 것을 알 수 있을 거예요. 이러한 레이아웃 스타일에는 원형, 계층적 및 직교형이 포함되죠. 또한, 이러한 네트워크를 더 자세히 이해하는 데 도움이 되도록 이 애플리케이션에서 활용할 수 있는 그래프 분석 알고리즘이 있어요.
또한 각 위반 Node는 타임라인 보기의 특정 발생 시간과 연결되어 있으므로 사용자는 지정된 시간 범위의 데이터를 시각화할 수 있어요. 또한 사건 지리 지도(Incidents Geographic Map) 보기가 있어 지도에 깃발과 핀으로 표시된 특정 범죄 위치를 표시할 수 있고요.
특정 범죄는 혼란을 줄이기 위해 계층적으로 그룹화돼요. 지도를 확대하면 클러스터된 핀이 확장되어 개별 사건이 표시되죠.
그림 3. 범죄 위치를 표시하는 지도 보기
Tom Sawyer Perspectives는 어떻게 구축되었나요?
Tom Sawyer Perspectives는 데이터 시각화 및 분석 애플리케이션 구축을 위한 고급 그래픽 기반 소프트웨어예요.
데이터는 Tom Sawyer Perspectives의 Neo4j로 로드되었는데, Cypher 쿼리 데이터 통합자를 사용했죠. Tom Sawyer Perspectives는 업데이트 및 커밋 기능과의 연합 데이터 통합도 지원해요. Neo4j 외에도 이러한 데이터 통합자에는 REST, JSON, XML, Text, SQL, Excel 및 RDF가 포함돼요.
이러한 통합자를 사용하면 Tom Sawyer Perspectives Designer라는 그래픽 개발 환경을 통해 시각화 및 분석 애플리케이션을 데이터에 바인딩하여 시각화 및 분석 애플리케이션을 구축할 수 있어요.
그것은 무엇을 할 수 있나요? 무엇이 특별한가요?
Tom Sawyer Perspectives의 장점은 최대 7가지 보기 유형으로 데이터를 표시할 수 있다는 거예요.
이를 통해 사용자는 데이터에 대한 포괄적인 보기를 제공하고 다양한 방법으로 데이터를 탐색할 수 있죠. 애플리케이션 하단에 최근 추가된 타임라인 보기를 통해 사용자는 이제 관계, 위치 및 시간에 걸친 문제를 동시에 해결할 수 있어요.
이 애플리케이션은 사용자가 최고 범죄 범죄자를 식별하고 특정 범죄가 발생할 가능성이 높은 위치와 시간을 식별하는 데 도움을 줄 수 있어요. 이 중요한 정보를 통해 법 집행 기관은 범죄로부터 대중을 보호하기 위해 더 잘 대비할 수 있죠.
Tom Sawyer Perspectives는 또한 사용자에게 30개가 넘는 강력한 그래프 분석 알고리즘을 제공하여 데이터를 해석하고 가장 관련성이 높은 정보를 찾아내요. k-코어 분석을 포함하여 이 애플리케이션에 내장된 몇 가지 분석 알고리즘도 있고요.
이 분석을 통해 사용자는 각 개인에게 핵심 가치를 할당할 수 있어요. 핵심성이 높은 사람들이 식별되는데, 이는 동일한 그룹 내에서 많은 수의 링크를 공유하는 다른 개인과 높은 수의 링크를 공유한다는 것을 나타내죠.
아래 그림 4에서 주황색 Node는 핵심성 값이 가장 높은 사람을 나타내고, 작은 파란색 Node는 핵심성 값이 가장 낮은 사람을 나타내요.
그림 4. 가장 많이 연결된 범죄자를 식별하기 위한 그래프 분석
사용자는 다른 소셜 네트워크 분석 알고리즘을 실행해서 특정 기준에 따라 데이터에서 중개자, 즉 중개인을 찾을 수도 있어요. 이 분석을 통해 각 개인은 가장 많은 것을 중간에 둔 사람부터 가장 적게 중간에 있는 사람까지 순위가 매겨지죠.
그림 5. 범죄 네트워크에서 중개자를 식별하기 위한 그래프 분석
Tom Sawyer Perspectives의 시연을 보려면 여기를 클릭하십시오.또는 내일 GraphConnect San Francisco의 Tom Sawyer 부스에 들러 이 애플리케이션과 데이터 세트에 대한 심층적인 데모를 확인하세요.
- json
- RDF
- sql
- 톰 소여의 관점