节 点连接图可以直观表示连接关系,但是当节点和连接数目很大的时候,( 比如超过最大的显示像素数目),视觉复杂度就大大增大,即使用弹簧模型也无法生成整洁的图;在这个情况下,我们当然也无法从节点连接图里区分不同的群体。 降低视觉复杂度的一种方法是采用聚类分析的方法,将节点归类,构造层次结构,方便用户从全局到局部的浏览。这种方法可以参见以前关于Google Swirl的文章。

在介绍下一种减少视觉复杂度的方法前,我们先介绍另一种表示联系的可视化方法:相邻矩阵(Adjacency Matrix)。相邻矩阵的每一行(列) 表示一个人或事物,如果A和B有联系的话,就在A行和B列相交的位置做个记号。下面就是一个简单的例子显现相邻矩阵和节点连接图的对应关系:


对 于一定的显示像素数目,相邻矩阵比节点连接图能显示更多的信息(每个联系显示为一个点,而不是一条线);而且从相邻矩阵图里,我们能更容易的区分不同的群 体(同一个群体基本上在相邻矩阵里集中在一块)。但是与节点连接图相比,从相邻矩阵中,我们比较难读取多个事物的联系。比如上面的左图中,我们一眼就能看 出A通过EC和B的联系,而在右图里,这样的联系却并不直观。

所 以另一种降低视觉复杂度的方法是把节点连接图和相邻矩阵结合在一块。Nathalie Henry等在IEEE InfoVis 2006 会议上提出一种MatrixExplorer的方法【1】。这种方法先用相邻矩阵显示全局的网络数据,用户可以在相邻矩阵图中观察和识别群体;然后用户可 以选择感兴趣的群体,并用节点连接图来可视化这些群体,从而进一步观察群体内的联系。下面的图就是这种方法的示意图。

Nathalie Henry等人再接再厉,在IEEE InfoVis 2007会议上进一步提出了NodeTrix的方法【2】。这种方法先用节点连接图显示全局的主体结构,然后用相邻矩阵来表示每个具体的群体。这样就把两 种方法有机的结合在一块,发挥各自的优点。下面的图就是这种方法的显示结果。

针 对相邻矩中读取多个事物的联系困难的问题,Zeqian Shen 等在同年的EuroVis 2007会议上提出了一种方法【3】。与上面的方法不同,这种方法采用类似地铁地图布线的思路,在相邻矩阵上,将多个事物的联系显示成穿过事物的路径 (path);这样沿着路径,用户就可以方便的读出事物间的联系,从而弥补了相邻矩阵的缺点。

【1】 HENRY N., FEKETE J.-D.: Matrixexplorer: a dual-representation system to explore social networks. IEEE Transactions on Visualization and Computer Graphics 12, 5 (2006), 677-684

【2】HENRY N., FEKETE J.-D., MCGUFFIN M.:NodeTrix: Hybrid Representation for Analyzing
Social Networks.  IEEE Transactions on Visualization and Computer Graphics12, 6(2007) 1302-1309

【3】Shen Z., Ma K.-L., Path Visualization for Adjacency Matrices. Eurographics/ IEEE-VGTC Symposium on Visualization (2007).

© 2010, 视物 | 致知. All rights reserved.

Related Posts: