モバイル デバイスにタグ クラウドを実装しています。ここでは、データモデルなどの詳細は特に重要ではありません。私の質問は、タグのスケーリングについてです:
タグの頻度をフォントサイズにマッピングするための「最良の」表現は何ですか?
線形および対数スケーリングについて説明しているこの投稿と、インスピレーションを得るための多項式アプローチのエイドリアン・クーンのスケッチからのこの回答を見てきました。しかし、インターウェブのどこかで、この問題についてさらに多くの調査が行われた投稿を覚えているようです。
また、ブログで「ベスト プラクティス」をいくつか見つけましたが、ベスト プラクティスの提供については確信が持てません。これらは、周波数スケーリングについてコメントしていません。
タグのスケーリングにはどのような代替手段がありますか? また、推奨/標準的な方法はどれですか? 最小フォントサイズ、タグの最大数、色なども検討しています。
編集:この質問の議論に従って、フォントサイズのバリエーションがある「標準」タグクラウドに興味があります。
私は昨年、小さなタグクラウドプロジェクトに取り組みました。
β=（int）（（（maxθ–minθ）xω）+minθ+ 0.5）ここで、ωは以前に何らかのメトリック（この場合はフォント頻度）に従って計算された重みであり、minθとmaxθは下限と上限であり、βは最終値です。これは、あらゆる視覚的特性（フォントサイズ、色、サポートされている場合は重量など）に適用できます。
線形および対数スケーリングは、データセットの分布に依存する傾向があることがわかりました。顕著な外れ値のあるデータセットでは、tanhが結果の値を「平滑化」するのに役立つことがわかりました。
私が見つけた解決策は次のとおりです
font_size = (max_font_size - min_font_size) * (Math.sin(1.5*(X)) + minsize
X は、フォント サイズにマップする正規化された値です。
X = (this_value-min_value)/(max_value-min_value)
これにより、範囲の下位 3 四分位数のサイズ差が増加し、高い外れ値の影響を最小限に抑えることができます。