Detangler: 多重网络的可视分析(Detangler: Visual Analytics for Multiplex Networks)

网络结构的节点间有关联,如何评估和理解网络内部关联和分组的行为,是分析网络的核心任务之一。若网络中存在不止一种类型的关联,则称之为多重网络。比如,一个包含若干新闻数据的文档集合,文档之间的关联可以是新闻内容相关、新闻提及的地点相关、或者是人物相关、作者相关等等。这些不同相关类型使文档之间存在不同类型的关联,文档和文档之间可能存在不只一种关联性。所以,多重网络的节点之间关联性会有重叠,这使对多重网络内部分组行为的分析变得更困难。在今年欧洲可视化会议EuroVis2015上,一篇文章提出了Detangler系统,支持对多重网络中凝聚的节点组的可视分析。

下图是一个多重网络的例子:有五篇由不同的作者合作完成的论文,各自包含一些关键词。将作者看作网络中的节点,一个简单的网络结构可以是仅仅考虑作者之间的合作关系,如图中(b)所示。
如果需要加进关键词的信息,考虑作者们是在哪个领域内的合作关系,那么关联的种类就不止一种,如图(c)所示就是一个多重网络的可视化。这里用到颜色来区分关联的种类,这是一种常见的方法。
但该方法会有两个限制:一方面,视觉上能够显著区分的颜色个数有限,另一方面,大量连线导致相互遮挡无法分辨。

exp

这个工作改用两种手段对多重网络数据做抽象简化:首先是只看所有的节点之间的联通性,这个视图称为基底图(substrate network),它去除了所有不同类型的边的区别,若两个节点至少有一条边相连,则它们在基底图中相连。其次是将原始图中所有关联的类型视作节点,构建一个新的关系图,若在原图中某条边满足两种类型的关联,则在新图中代表这两个类型的节点相连。这个新的图称为触媒图(catalyst network)。触媒图是对基地图的补充,它解释了在基底图中节点相连的原因。上图(d)中就是针对前文中例子的基底和触媒的说明,图(e)是它的触媒图,

在Detangler系统上主要的交互手段是,用户观察基底图和触媒图,选取某个子集,然后切换到另一个视图观察,从而理解整个多重网络的结构。比如下图中,用户从基底图中选取了一个子图,系统从原图中分析该子图中出现的所有关联,然后在触媒图中高亮对应的子图结构。

interact

从触媒图到基底图之间的转换过程也是类似,用户选择触媒图中的节点,基底图中显示相应类型的关联和涉及的节点。有两种筛选的模式可供选择:AND模式下,只有同时出现所选类型的相连才会被留下,OR模式下,所有出现过至少一种所选类型的相连边都会被提取出来。下图是这两种模式的说明。

andor

用户用来圈选的工具可以是长方形的选框,或者是任意形状的套索工具。选区的颜色被用来表示所选的子图中结点之间的关联度。用户可以通过移动选区的方式来查看不同子图的关联度,套索的颜色会做动态地变化,让用户便捷地探索发现图中哪些节点之间关联度更紧密一些。下图是一个应用案例,用户希望发现19篇被做了关键字标记的新闻文档之间存在什么关联。系统首先把这19个文档变成19个基地构成一幅图,之后将文档的关键词(也是19个)和关键词的共现关系变成了一个具有19个节点、85条边的催化剂图。在右边的催化剂图中可以看到,整个图被分成了左右两个部分,由中间的两个桥结点连起来。用户圈选了左边的子图后发现这些节点之间存在很强的关联,于是用户在基底图中找到对应的节点,它们正好对应了4篇新闻文章,报道的是同一个酒驾失事的事件。可见,利用催化剂图辅助基底图的方式可以让网络结构更加清晰,帮助用户更有效理解内部的关联结构。

twoview

总的说来,这篇文章将复杂的网络结构转化和拆分成了两个部分,即基底图和催化剂图,有效地把错综复杂的信息分解成了两个更清晰的图,即突出了网络图数据中的组团关系,又解决了复杂图中严重遮挡的问题,可谓是一举两得。

[1] Benjamin Renoust, Guy Melancon, and Tamara Munzner. Detangler: Visual Analytics for Multiplex Networks. In proceeding of Eurographics Conference on Visualization (EuroVis) 2015.

评论关闭。