LargeScale Graph Visualization and Analytics

ABSTRACT

Novel approaches to network visualization and analytics use sophisticated metrics that enable rich interactive network views and node grouping and filtering. A survey of graph layout and simplification methods reveals considerable progress in these new directions.

INTRODUCTION

Some networks represent abstract relationships, such as author influence or friendship; others represent physical networks, such as power distribution or routers .With the growing popularity of mainstream network applications, the ability to efficiently analyze complex data collections has become critical. Wikipedia has millions of articles that form a network through cross-references. Facebook connects more than a billion users in an incredibly complex structure of friends, group invitations, games, advertising, video chats, and so on. These and similar networks continue to expand and evolve daily. Using simple statistics to reason about the dynamics of such complex networks is not generally effective or practical. Rather, analysts are turning to visualization— not just the passive process of producing images from numbers, but highly interactive methods that combine visual representations with network analytics to greatly enhance the ability to understand and characterize networks. Such analysis can yield important insights. Social network analysis, for example, can reveal patterns about groups of friends or popularity, and the analysis of a power distribution network can indicate key points for infrastructure improvements.  Graph drawing, which began in the 1960s, is a field of research dedicated to visualizing a network’s structure. One of the most common and intuitive representations is the node-link diagram, in which nodes represent actors and the links between nodes represent the actors ’interrelationships. Although this method is relatively straightforward and practical for visualizing small networks, it can be overwhelming for large, complex networks.  Time-varying networks, such as Facebook, impose additional challenges. A social network grows with each new friendship or alliance and shrinks when friendships grow distant or break apart. Because each node addition or deletion can affect larger-scale patterns, such as clusters, finding and understanding small changes can provide insights into the entire network’s evolution.

چکیده

رویکردهای نوین به تجسم شبکه و تجزیه و تحلیل از معیارهای پیچیده استفاده می کند که دیدگاه های غنی تعاملی شبکه و گروه بندی و فیلتر کردن گره را فراهم می کند. یک نظرسنجی از طرح گراف و روش های ساده سازی نشان می دهد پیشرفت قابل توجهی در این جهت های جدید.

مقدمه

برخی از شبکه ها روابط انتزاعی، مانند نفوذ نویسنده یا دوستی را نشان می دهند؛ دیگران شبکه های فیزیکی را نشان می دهند، مانند توزیع قدرت یا روترها. با توجه به محبوبیت روزافزون برنامه های اصلی شبکه، توانایی تجزیه و تحلیل داده های جمع آوری داده ها به طور موثر، بسیار مهم است. ویکی پدیا دارای میلیون ها مقاله است که شبکه را از طریق منابع متقابل تشکیل می دهند. فیس بوک بیش از یک میلیارد کاربر را در ساختار فوق العاده پیچیده دوستان، دعوت های گروهی، بازی ها، تبلیغات، چت های ویدئویی و غیره متصل می کند. این و شبکه های مشابه همچنان به طور روزافزونی گسترش و تکامل می یابند. با استفاده از آمار ساده به دلیل پویایی چنین شبکه های پیچیده عموما موثر یا عملی نیست. در عوض، تحلیلگران به تجسم تبدیل می شوند – نه تنها فرایند منفعل تولید تصاویر از اعداد، بلکه روش های بسیار تعاملی است که نمایانگرهای بصری با تجزیه و تحلیل شبکه ها را ترکیب می کند تا توانایی درک و مشخص کردن شبکه ها را افزایش دهد. چنین تحلیلی می تواند بینش های مهم را به دست آورد. برای مثال تجزیه و تحلیل شبکه شبکه می تواند الگوهای مربوط به گروه های دوستان یا محبوبیت را نشان دهد و تجزیه و تحلیل یک شبکه توزیع برق می تواند نکات کلیدی برای بهبود زیرساخت ها را نشان دهد. نقاشی نمودار، که در دهه 1960 آغاز شد، یک رشته تحقیقاتی است که برای تجسم ساختار شبکه طراحی شده است. یکی از رایج ترین و بازتاب های بصری، نمودار گره-لینک است که در آن گره ها نماینده بازیگران هستند و ارتباط بین گره ها نشان دهنده ارتباطات بازیگران است. اگرچه این روش نسبتا ساده و مناسب برای تجسم شبکه های کوچک است، اما می تواند برای شبکه های بزرگ و پیچیده غرق شود. شبکه های زمان گوناگون مانند فیس بوک، چالش های دیگری را اعمال می کنند. یک شبکه اجتماعی با هر دوستی یا اتحاد جدید رشد می کند و زمانی که دوستی ها دورتر می شوند یا از هم جدا می شوند، کوچک می شود. از آنجا که هر افزودن یا حذف گره می تواند الگوهای بزرگتر را تحت تاثیر قرار دهد، مانند خوشه ها، پیدا کردن و درک تغییرات کوچک می تواند بینش های کل تکامل شبکه را فراهم کند.

Year: 2013

Publisher : IEEE

By :  Kwan-Liu Ma and Chris W. Muelder

File Information: English Language/ 7 Page / size: 1.85 MB

Download

سال : 1392

ناشر : IEEE

کاری از : Kwan-Liu Ma و کریس W. Muelder

اطلاعات فایل : زبان انگلیسی / 7 صفحه / حجم : MB 1.85

لینک دانلود