讲 完了前传,让我们来看看今年的论文对GMap有什么扩展呢?GMap只能显示静态网络数据。但是现实中很多网络数据在不断的变化,而怎么用地图来表示这样 的变化,怎么来显示不同国家疆域的扩充或缩小呢?一种简单的方法是对每个时间采样点的网络数据,用GMap的方法重新构造地图。这样做明显缺点是很耗时, 更重要的是构造的地图不一定会很相似,不同的节点可能在不同的地方出现,使用户很难观察并且跟踪节点和集合的变化。

论 文提出了一种解决这个问题的方法,举的例子是动态的显示某个音乐网站上歌星的分类和关注程度的变化。从这个音乐网站,我们可以得到一张大的表格,行是各个 歌星,列是各个听众,表格中的每个单元是某个用户对某个歌星的收听次数。从这张表格,首先我们可以比较两两歌星的相似程度(如果两个歌星的听众群类似,那 就是这两个歌星就比较相似;简单吧,都不需要考虑歌星的风格等等)。这样相似的歌星连条线,我们就可以得到一张网络图。从这张表格,我们还可以知道在各个 时期,哪个歌星的听众多。我们需要把这些受关注的歌星显示在地图上,而且需要做到动态的连续的变化。

image courtesy of Daisuke Mashima, et al.

论 文中给出具体的方法是可以表示成上面那张图。1) 首先,我们构造一张网络图包含所有时期的所有歌星(近2万个歌星)。然后将这张网络图用GMap的方法做成地图。每个蓝色的框框表示一个歌星的标签。2) 对于某个时期,我们选出最热门的前250个歌星。3)从前面已经生成好的地图中,只显示这些选出来的歌星。4)由于只显示250个歌星,每个歌星的标签需 要变大点。5)调整标签,使它们不重叠。

方法很简单吧:通过预处理,事先就把所有的歌星的位置定好。这样,如果某个歌星一会热,一会冷,但是在地图上总是在同一个地方出现,用户就很容易跟踪了。下面的动画显示了这种方法的效果。其中颜色越深表示越受关注,蓝色表示这个歌星要消失了,黄色则表示某些歌星要出现了。

这种表示成地图的方法确实可以把网络图聚类分析的结果表示的更加直接。小编觉得如果能在地形和绘制上再做点文章,那结果可能会更好看。

© 2011, 视物 | 致知. All rights reserved.

Related Posts: