有效的图布局可以帮助人们分析网络的拓扑结构，已有的许多工具，比如Gephi，D3都能够完成图布局的任务。计算图布局的时候，通常只考虑节点的拓扑信息，而对于特定领域的图，比如生物信息网络，布局时候还要考虑节点的属性信息。针对这样的特定领域(Domain-specific)图数据，虽然已有特定的布局方法，但是这些方法只能限定在该领域里使用，而不具有推广性。使用一般的布局方式，比如力导向布局来处理这些图数据，为了反映网络的特定结构，还需要对布局后的结果进一步调整，耗时耗力。本文[1]提出了一种更高层次的布局语言SetCoLa，可以有效结合结合图数据本身特点，对于布局的结构进行限制。
图1 用SetCoLa创建一个树的布局
SetCoLa利用了集合的思想，将图上节点划分为不同的集合，针对每个集合内的节点对它的布局进行限定。如图1所示，为了产生一个树的布局，首先根据节点的深度将树划分为3个集合，[a]，[b,c]，[d,e,f]。在每一个集合内，设定的的限制为{“constraint”: “align”, “axis”: “x”}，代表元素的布局沿着x轴方向对齐，所以可以看到节点b，c的高度一致，d，e，f的高度也一直。在第二个限制中，引用了第一个限制中的集合，{“constraint”: “order”, “axis”: “y”, “by”: “depth”}代表将三个集合沿着y轴按照深度由小到大排列。
SetCoLa里有四种产生集合的方法。
- Partition nodes into sets
- 根据节点的属性划分结合，比如”sets”: {“partition”: “depth”}，根据属性depth划分节点
- Specify sets with predicates
- 利用布尔表达式设置结合，比如”sets”: {“expr”: “node.group === ‘old white men'”}，group属性为’old white men’节点构成一个集合
- Collect nodes using keys
- 将不同的节点合并，比如”sets”: {“collect”: [“node”, “node.neighbors”]}, 节点和它的邻居构成一个集合
- Compose previously defined sets
- 将集合作为元素构成新的结合
生成了不同的集合，SetCoLa提供了多种限定布局的方式。
- Alignment
- 可以将集合的元素沿着x或者y轴对齐
- Position
- 可以指定集合内的节点相对其它节点布局
- Order
- 可以对节点布局时按照属性进行排序
- Circle
- 可以设置节点的布局满足圆周布局
- Cluster
- 将节点聚合在一起
- Hull
- 将节点的布局限制在某个区域内，别的节点不能进入这个区域
- Padding
- 节点周围留白，防止节点遮挡
图2 将图1中SetCoLa翻译成WebCola
SetCoLa的实现是基于WebCoLa[2]，SetCoLa为将限定翻译成WebCoLa中的限定，然后又WebCoLa进一步完成最后布局计算。对比SetCoLa和WebCoLa，可以发现SetCoLa的语言更加简洁，针对集合作出限定，并没有具体引用单个节点，所以可以使用其它类似的图数据进行布局。而WebCoLa中的限制是针对具体的节点，这就导致对于复杂图作出限制会非常繁琐，同时产生的限制只能试用于当前的数据。
图3 SetCoLa产生的布局（左）与已有布局的对比（右）
图3所示为SetCoLa产生的布局（左）和已有布局的效果对比，可以发现SetCoLa能够满足原有布局的要求，对节点的位置进行限制。
综上，这边论文提出了SetCoLa，一种更高层次的图布局语言，帮助用户对图布局做有效的限制，从而满足 特定的需求。但是如何定义这样的限制，对于普通用户有着一定的难度。
参考文献：
[1] Jane Hoffswell, Alan Borning, and Jeffrey Heer. SetCoLa: High-Level Constraints for Graph Layout. EuroVis, 2018.
[2] Tim Dwyer. cola.js: Constraint-Based Layout in the Browser. http://ialab.it.monash.edu/webcola/
评论关闭。