LargeNetVis：基于社区分类法的大型时序网络可视化探索
人机交互
2022-10-06 v1
摘要
时序（或时间演化）网络常用于建模复杂系统及其组成部分随时间的演化。尽管可通过不同手段分析这些网络，可视化分析作为一种有效方式脱颖而出，用于在定量/统计分析之前进行预分析，以识别数据中的模式、异常和其他行为，从而产生新的见解并改进决策。然而，许多真实世界网络中大量的节点、边和/或时间戳可能导致布局混乱，使分析效率低下甚至不可行。在本文中，我们提出 LargeNetVis，一个基于 Web 的可视化分析系统，旨在辅助分析小型和大型时序网络。它通过利用三个聚焦于网络社区的的分类法来引导可视化探索过程，成功实现了这一目标。该系统由四个交互式可视化组件组成：第一个（分类法矩阵）呈现网络特征摘要，第二个（全局视图）给出网络演化概览，第三个（节点-链接图）支持社区和节点级结构分析，第四个（时间活动图——TAM）从时间视角展示社区和节点级活动。
引用
@article{arxiv.2208.04358,
title = {LargeNetVis: Visual Exploration of Large Temporal Networks Based on Community Taxonomies},
author = {Claudio D. G. Linhares and Jean R. Ponciano and Diogenes S. Pedro and Luis E. C. Rocha and Agma J. M. Traina and Jorge Poco},
journal= {arXiv preprint arXiv:2208.04358},
year = {2022}
}
备注
11 pages, 9 figures