새로운 데이터를 접할 때, 우리는 데이터의 구조와 데이터에 존재하는 전형적인(archetypical) 샘플들을 더 잘 이해하기 위해 군집 분석(cluster analysis)을 자주 수행합니다. 그러나 데이터의 복잡성과 차원이 증가함에 따라 이 과정은 매우 까다로워졌습니다. 고차원 데이터에 존재하는 높은 비율의 노이즈는 패턴과 경향성을 흐리게 만들어 군집을 구별하기 어렵게 합니다. 따라서 군집 탐색 도구 및 군집 검증 도구는 고차원 데이터의 이러한 어려움을 해결하도록 조정되어야 합니다. 비선형 차원 축소(nonlinear dimension reduction)는 올바른 방향으로 나아가는 단계이지만, 이러한 방법들조차 잘못 다뤄질 경우 거짓 구조(false structure)를 생성하는 것으로 알려져 있습니다. 훈련되지 않은 눈으로는 감지하기 어려운 흔한 현상 중 하나는 데이터의 과도한 군집화(over-clustering)입니다. 이러한 노력의 연장선으로, 우리는 분석가가 거짓 군집을 구별하고 고차원 군집화 결과를 더 잘 해석할 수 있도록 돕는 시각적 평가와 가설 검정을 포함한 새로운 군집 검증 기법을 개발했습니다. 사용 편의성을 위해 이러한 새로운 방법들은 R 패키지 DRTool을 통해 제공되는 대화형 툴박스로 제공됩니다.
데이터 시각화는 분석적 추론의 핵심이지만, 실제 분석에서는 정적 차트보다 언어 기반의 인터랙티브 인터페이스가 점점 더 요구되고 있다. 최근 대규모 언어 모델 및 비전-언어 모델(LLM/VLM)이 자연어로부터 정적 차트를 생성하는 데 가능성을 보였지만, 벤치마크의 부재로 인해 인터랙티브 데이터 시각화 인터페이스를 생성하는 능력은 거의 탐구되지 않았다. 본 논문은 LLM/VLM이 자연어 질의로부터 인터랙티브 시각화 인터페이스를 얼마나 잘 생성하는지 평가하기 위한 벤치마크인 VIS-GEN을 소개한다. VIS-GEN은 데이터 필터링, 시간 분석, 시각화 편집 등 다양한 분석 의도를 아우르는 3,042개의 샘플로 구성되며, 각 샘플은 현실적이고 목표 지향적인 데이터 탐험 시나리오를 반영하도록 설계된 데이터셋 메타데이터 및 자연어 질의와 짝을 이룬다. 우리는 최신 오픈소스 및 클로즈드소스 LLM/VLM 14종을 벤치마크하였으며, 그 결과 모델 간 성능 격차가 크고, 암묵적 의도, 여러 가지 상호작용 대안, 복잡한 편집 연산이 포함된 질의에서 실패가 빈번하게 나타났다. 이는 인터랙티브 인터페이스 생성이 정적 차트 합성을 넘어서는 핵심적인 미해결 과제임을 보여준다. 이를 해결하기 위해 우리는 과제를 시각화 설계 표현, 다수의 인터페이스 후보 생성, 제약 조건을 고려한 비평(critique), 자기 개선(self-refinement)으로 분해하는 구조화된 다단계 인터페이스 생성 프레임워크를 제안한다. 이 접근법은 최고 성능 모델의 통과율(pass rate)을 15.9%p 향상시켜, 더 신뢰할 수 있는 언어 기반 인터랙티브 시각화 시스템으로 나아가는 실용적인 경로를 보여준다. VIS-GEN은 https://github.com/vis-nlp/VIS-GEN 에서 공개한다.