【技术实现步骤摘要】
面向大规模多元网络数据的简化可视分析方法
[0001]本专利技术属于图形学与可视化
,具体涉及一种面向大规模多元网络数据的简化可视分析方法。
技术介绍
[0002]在多元网络中,节点和边包含丰富的属性信息,如包含了名称、年龄、性别、国籍、地域和职业等属性。在可视化领域研究方面,专家针对这种多元网络数据设计了多种可视化方法,通过修改力引导图上节点的视觉外观(大小、颜色、形状)来映射属性信息,或者将力引导图与辅助视图(例如表格、平行坐标图、雷达图)结合起来协同分析拓扑结构和多维属性信息。然而,随着多元网络规模的不断增大,同步分析拓扑结构和属性成为一个挑战。在力引导图中,视觉混乱在很大程度上阻碍了对拓扑结构的视觉感知。而聚类是一种较灵活的策略,可允许用户基于节点属性或网络拓扑结构将节点划分为不同类别。如Batagelj等人(V.Batagelj,F.Brandenburg,W.Didimo,G.Liotta,P.Palladino,and M.Patrignani.Visual analysis of large graphs using(x,y)
‑
clustering and hybrid visualizations.IEEE transactions on visualization and computer graphics,17:1587
‑
1598,12 2010.doi:10.1109/TVCG.2010.265)定义了类内图和类间图的拓扑特性,允许用户通过展开/收
【技术保护点】
【技术特征摘要】
1.面向大规模多元网络数据的简化可视分析方法,其特征在于,该方法具体是:步骤(1)基于原始网络大规模数据,构建属性增强的网络表征学习模型,将节点转换成嵌入拓扑结构和属性信息的高维向量表示;步骤(2)利用属性增强的网络表征学习模型构建多层次聚类模型,在向量化空间中根据结构紧密度、属性同质性和聚类数量将节点划分为层次类别;步骤(3)设计简化表达可视分析方案,构建大规模多元网络数据的简化可视分析系统;所述的简化可视分析系统通过聚类视图、协同视图构成视觉表达。2.如权利要求1所述的面向大规模多元网络数据的简化可视分析方法,其特征在于,步骤(1)具体是:(1
‑
1)构建基于属性相似性的语料库:将节点之间的属性相似度进行量化,如果相邻节点拥有同一个类别时,则其相似性sim(v
i
,v
i,k
′
)设置为1,否则设置为0;v
i,k
′
为游走初始节点v
i
的第k
′
个相邻节点,k
′
∈(1,K),K为v
i
的相邻节点的数量;跳转概率以节点v
i
的前w的节点v
i
‑
w
为起始点,v
i
‑
w
基于属性相似性的游走rw(v
i
‑
w
)=(v
i
‑
w
,
…
,v
i
‑1,v
i
,v
i+1
,
…
,v
i+w
),在当前游走路径中的最后一个节点的邻居中均匀地采样,直到达到最大游走步长L,L=2w+1;以其他节点为初始节点的游走路径采用相同方式生成,所有节点都要作为初始节点进行基于属性相似性的游走;(1
‑
2)以固定的次数T重复遍历节点,以固定的游走步长L生成以每个节点开始的游走路径,创建各个属性的所有游走路径组成的语料库;由多个属性生成的语料构成一个复合语料库minimize
φ
(
‑
logPr({v
i
‑
w
,
…
,v
i+w
}\v
i
|φ(v
i
))),作为Skip
‑
Gram模型的输入;其中φ(v
i
)表示v
i
向量、Pr({v
i
‑
w
,
…
,v
i+w
}\v
i
|φ(v
i
))表示节点v
i
上下文出现v
...
【专利技术属性】
技术研发人员:周志光,张汝敏,胡淼鑫,刘玉华,王毅刚,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。