本文[1]是2013年EuroVis最新的图可视化工作，文中介绍了一种显示图中存在的集合关系的可视化设计，适合中小型图的可视化，可以丰富的展现图的多种属性，非常具有启发性。
图可以表很多抽象的关系数据，图中的节点往往具有多种属性。例如，在一个社交网络中，每个人是一个节点，他不但有自己朋友关系，还有各种各样的兴趣爱好，像喜欢听音乐，爬山，摄影等。依据这些兴趣爱好，我们可以把图分成几个集合，比如，喜欢爬山的人是一个集合的，喜欢听歌的人是另一个集合。因此，在图的基础上添加集合的信息，可以表现出更丰富的数据属性。
本文就是针对此问题，提出了一个探索图中集合关系的可视化系统。这个系统可以同时揭示三种不同的关系：人物之间的社会关系，基于兴趣的集合关系，以及兴趣之间的相似度关系。为了揭示这些关系本文提出了两个新的可视化设计： a)一个能够在社交网络背景下揭示人物集合关系的可视化图标； b) 一个整合了可视连接线和轮廓地图的方法，以展示人物和他们兴趣项之间的聚类信息。其中新的可视化图标的设计，同时反映了每个节点i与其他节点j之间的拓扑关系，和此节点与其他节点在集合关系上的重合程度。如下图(a)所示，X轴代表拓扑距离，即其他节点到此节点的距离；Y轴代表两节点间兴趣集合重合的程度，重合的越多，Y值越大，图中的圆圈代表除i以外图中的其他节点。但此设计不够直观简洁，于是设计了图(b)，X轴同样代表拓扑距离，Y轴则代表距离节点i距离为y的节点的数量，节点之间兴趣集合的重合度用灰度值表示。为了几何形状更为流畅和直观，在(b)堆叠柱状图的基础上改进为(c)堆叠图。这样就可以很方便的观察到每个节点与其他节点的拓扑关系和兴趣集合的重合度了。
轮廓图是根据图的MDS布局，先生成一个核密度估计分布，得到一个能够代表这些节点在平面上分布的平滑表示。据此找出等高线轮廓，轮廓内部用带有透明度的颜色填充，这样就得到了轮廓图。
可视连接布局是依据LineSet一文中的方法，先根据MDS布局对节点进行层次聚类，之后根据聚类信息建立联通这些节点的生成树，在层次聚类的指定高度上切割，这些节点则会根据空间紧密度被分到不同的组内；再依据分组对生成树的树枝干折叠，使得生成树更流畅，最后调整节点的位置使得生成树上的线段更平滑。
最后论文以last.fm音乐网站数据和学术出版物数据为例，验证了算法的有效性。当然本文也有一定的局限性，即当图数据规模非常大，集合数目非常多的时候，由于视觉混乱将得不到很好的效果。
[1] Panpan Xu, Fan Du, Conglei Shi, Nan Cao, Hong Zhou, Huamin Qu. Visual Analysis of Set Relations in a Graph. Computer Graphics Forum (EuroVis’13), pp:61-70,2013.
评论关闭。