基于领域本体的社会网络信息分析与可视化

社会网络分析与可视化是当前的热门研究领域,但是针对社会网络信息的高效理解与组织的研究成果却十分缺乏。本文提出一种针对社会网络信息的领域本体模型,它对社会网络信息领域的客观存在及其关系进行描述。该模型适合于描述各种社会网络分析与可视化方法,并能针对不同社会网络信息可视化应用进行扩展,克服了传统力导引布局算法在社会网络结构分析与可视化上的不足。其可视化结果能够清晰显示子群分布,表现行动者间的密切程度,显示行动者关键属性分布以及子群内部的角色分布等信息。最后通过恐怖活动信息实例,验证了领域本体模型在社会网络信息分析与显示方面的优越性。     

虚拟社群结构特征可视化呈现的社会网络布局算法研究

近年来,随着虚拟社区的发展,社会网络可视化软件逐渐走向普通社区成员的面前。然而现今社会网络可视化领域所采用的布局算法普遍与社会网络分析法相脱离,无法呈现社群结构特征。因此,提出凝聚子群布局算法与核心位置布局算法,它们分别以凝聚子群分析结果和成员整体中心度为布局依据,呈现社群子群和成员位置两种社群结构特征,并且依据实际数据给出布局效果。     

基于大规模社会网络的并行布局算法框架

随着社会网络的迅速发展,针对大规模社会网络的可视化已经成为数据挖掘领域中的一项重要的研究课题。传统的布局算法已经无法对大规模的社区网络进行全局管理和展示。因此,该框架基于并行化技术以及分层的思想,实现了大规模社会网络的可视化框架。其贡献主要有:提出了一种基于力导引算法的非重叠社区布局算法(简称NFR);设计了一个基于Spark的并行计算框架;将图数据库(Neo4j)无缝地整合到框架中。最后通过在真实数据集上的测试,验证了该框架的有效性。     

基于数据结构可视化布局算法研究

为有效满足规模和密度快速增长的图数据对可视化结果可读性的需求,本文主要对数据结构可视化的布局算法进行了研究,针对大规模图数据完成了基于模块分析的可视化方法的构建,首先对LPA(Label Propagation Algorithm,标签传播算法)社团发现算法进行改进,再据此完成对大规模图数据的划分,分析划分后各模块的结构模式并将其抽象为节点,最后通过力引导算法的使用完成对处理后模块的布局及模块结构模式信息的展示,有效实现了大规模图数据的可视化处理过程,为进一步处理加工数据提供支撑。     

社会网络信息的本体论建模与可视化

本体论是共享概念模型的明确的形式化规范说明,基于本体论对社会网络信息建模能够提供客观存在的本质认识,发挥本体论在信息表示与组织上的优势.提出一种针对社会网络信息的领域本体模型,将社会网络信息领域的客观存在抽象为3个主要本体:行动者、关系网络和群组,能够方便地定义各种社会网络分析与可视化方法,为社会网络信息可视化应用提供支持.着眼于社会网络结构分析中的需求,在上述模型框架下提出了基于规则对等组的群组分析方法和基于群组、角色分析的力导引布点算法.最后结合恐怖活动信息可视化实例,阐述了文中提出的领域模型与可视化方法的应用.     

一种基于层次化社团结构的网络可视化方法

提出了一种基于层次化社团结构的可视化方法,首先利用Blondel快速算法将网络划分为层次化的社团结构,然后依次在不同层次的社团内部采用力导引算法和环状布局双重布局,并通过对阈值的设置实现了两种布局方法的自由切换。     

MSNV:基于多层次社团划分的网络结构可视化方法

针对大规模网络节点数目庞大、结构复杂性高,有限的屏幕空间难以展示其结构特征的问题,提出了一种基于社团划分的多层次网络可视化方法。首先,使用基于网络模块度的社团划分算法对网络节点进行划分,并采用贪婪算法寻找最大模块度的社团划分,得到不同层次粒度的社团;其次,通过设置层次约束力以改进经典力导引算法(FDA),使改进的算法能对不同层次粒度的社团实现分层布局,解决FDA无法展示网络节点层次性的问题;最后,使用多窗口视图、Overview+Detail等交互方法分别展示高层社团和底层节点,实现兼顾网络高层次宏观结构和低层次局部细节的显示。仿真实验中,该算法的社团划分相较于自包含GN算法在效率和准确率上有所提高。案例分析表明,所提方法在大规模网络结构的显示和交互方面具有良好的效果和性能。     

展示复杂网络社团结构的社团引力导引的布局算法EI北大核心CSCD

由于传统的力导引布局方法大都无法展示复杂网络的社团结构,提出一种可有效展示复杂网络社团结构的布局算法——社团引力导引的布局算法.该算法在力导引布局算法的基础上对每个节点加入社团引力,并引入k-means算法,使同一社团的节点能够向社团的中心位置聚拢.不同于先网络聚类再可视化布局的传统做法,该算法不需要预先对节点分类,可以在布局的同时完成节点聚类.实验中使用模块度指标评估社团结构的强弱程度,结果表明,文中算法可以呈现明显的聚类效果,简单、易于实现,且收敛速度快.     

基于GPU的大尺度网络布局显示

复杂网络的可视化是复杂网络研究中的重要手段.随着Web2.0时代和大数据时代的来临,作为研究对象的复杂网络的规模越来越大,这对复杂网络可视化布局算法的布局效果和运算速度提出了新的挑战.本文针对复杂网络布局的力导引算法,从布局效果和算法效率两方面对该算法进行了改进和实现.布局效果方面,利用复杂网络中的关节点,对网络数据进行抽象合并,从而实现分层次的网络布局显示.算法效率方面,针对压缩后的网络采用具有强大浮点运算能力的GPU进行计算,对力导引算法需要斥力计算、引力计算和坐标更新三个部分均实现了基于GPU的并行计算,大大提高了计算效率.     

基于力导向模型的网络图自动布局算法综述

实现网络图形中节点和边自动布局一直是可视化研究中一个重要内容,基于力导向模型的自动布局算法则是该类研究中应用最广、文献最多的一类方法。根据研究方向出现的时间顺序,从基本模型、基于多维尺度分析的布局算法、多层迭代布局算法、非欧空间节点布局算法、受约束图形自动布局算法等五个方面对基于力引导模型的网络图自动布局算法的典型方法、研究进展、分支情况等进行了描述,并对发展前沿进行了讨论。     

网络边布局技术研究综述

网络边布局技术是网络可视化研究的重要内容,良好的边布局能够有效地展示网络的整体结构并从中揭示出某些隐含的信息模式.为了全面地总结和分析现有网络边布局技术,首先归纳了网络边布局的主要任务,回顾了指导网络边布局的美学标准.然后将网络边布局技术归纳为3类:边路由技术、边融合技术和边集束技术,分别阐述了各类技术中典型布局方法的主要原理和特征,并重点对边集束技术进行了分类分析.最后总结了目前研究中还存在的一些问题,展望了网络边布局技术的发展前景和面临的挑战,以期为相关领域的研究者提供有益参考.     

一种改进的可视化布局算法IGVA

可编程逻辑器件（PLD）存在安全缺陷,且危害性极大,将可视化技术作为PLD安全缺陷检测的辅助手段,其状态转移图布局是关键。针对状态转移图布局中存在的节点重叠、分布不均等不足,提出一种改进的可视化布局算法IGVA。该算法分阶段启发式计算引力和斥力,迭代早期通过减小节点问的引力以避免节点重叠,迭代后期通过减小边的斥力优化节点分布并减少图占用的空间。实验结果表明,IGVA可解决节点重叠的问题,达到图的布局要求。     

基于复杂网络社区划分的网络拓扑结构可视化布局算法

许多真实的网络都可以用复杂网络的思想进行研究和解释,而社区结构是复杂网络的一个重要特征.为此,提出一种基于社区结构的网络布局算法.首先利用复杂网络社区发现算法对网络中的节点进行社区划分,并将一个社区抽象为一个节点,以社区间的关联为边构建新的网络;在此基础上,运用物理类比方法确定社区中心点的位置,并根据社区的规模确定社区的区域范围;最后运用条件择优的方式填充社区内部节点以完成网络拓扑的布局.仿真实验结果证明,该算法与传统的可视化布局算法相比,具有计算量更少、收敛速度快、结构清晰的特点,更具有实际应用的价值.     

社交网络数据个性化推荐的可视化方法

针对大规模社交网络应用中检索结果过于庞大复杂的问题,将个性化推荐与可视化相结合,用于在大量数据中找到用户感兴趣的信息。在开拓网络缩放算法的基础上,提出关键信息显示算法,能够区别显示社交网络关系图中用户相对重要的信息和次要信息,增强关联度较高数据的显示效果。将带权值的力导向布局算法应用于用户关系聚类中,通过在二维显示空间中合理安排节点布局,达到减少用户认知负担和个性化推荐的目的。设计并实现个性化推荐的可视化工具HRVis,在Movielens数据集上进行测试,结果表明,HRVis能够强调显示具有良好社会关系的重要用户以及与用户相似的关联用户,获得较好的可视推荐效果。     

基于用户行为的社交网络节点可视化设计

为了更好表现用户间的关系数据,用户节点网络的可视化成为社交应用中主要的分析方式。目前,常用的节点网络仍是基于网络社交关系这一因素,而社交网络基于用户群体具有动态变化的特性。为了更好表现社交网络动态性和用户驱动的特性,文章将结合用户行为数据,通过采用多变量视角和添加时间维对现有的社交图谱进行改良,以提高可视化图包含的信息量和可用性。     

Visualization of Personal Interest Graph from Social Network

The advent of the time of big data along with social networks makes the visualization and analysis of networks information become increasingly important in many fields. Based on the information from social networks, the idea of information visualization and development of tools are presented. Popular social network micro-blog （＇Weibo＇） is chosen to realize the process of users＇ interest and communications data analysis. User interest visualization methods are discussed and chosen and programs are developed to collect users＇ interest and describe it by graph. The visualization results may be used to provide the commercial recommendation or social investigation application for decision makers.     

单链结构实时识别及可视化布局算法研究

数据结构可视化技术是程序理解与调试的一种重要支撑。为解决其中一类应用广泛的数据结构--单链结构的可视化问题，提出一种实时识别与可视化布局算法。首先根据结点入度、主前驱指针和次前驱点集合等结点属性变化对单链结构特征变化的影响，对程序执行过程中的单链结构进行实时识别；然后结合基于图标的静态可视化技术以及动画技术，建立面向单链结构的可视化动作集合及可视化布局方法，形成与程序执行过程步骤实时对应的单链结构可视化表达。最后将该算法应用于新一代集成开发环境AnyviewC的研发与实践中。     

基于极坐标布局的农残检出倾向性可视分析

针对食品安全领域中农残检测数据的快速可视分析需求，提出了一种基于极坐标的旋转布局可视化方法。该方法首先按照用户的分析需求将数据信息进行分类统计；然后将检出农药的数据统计结果映射为农药圆，将农产品的数据统计结果映射为农产品图元，采用基于极坐标的旋转布局方式，将农药圆布局于环形结构中，将农产品图元布局于环形结构内部。通过图元偏移、鱼眼放大、多尺度筛选、半透明图形、添加同径向方向的标签以及调节农产品图元半径的方法降低农产品图元的重叠问题。实验结果与领域专家评价结果显示，提出的方法能快速地可视化数据集中的高兴趣度信息，既突出了多种农产品检出农药的倾向性，又同时对多附加属性实现直观简洁的显示。