SynGraphy：通过小型合成代表图对大型网络进行简洁摘要

我们描述了SynGraphy，一种用于可视化摘要大型网络数据集结构的方法，其通过绘制生成的、具有与输入图相似结构属性的较小图来工作。可视化复杂网络对于理解并弄懂网络数据及其所表示的关系至关重要。由于许多网络的规模庞大，可视化极其困难；像Facebook或Twitter那样简单绘制大型网络的方法会导致几乎不传达任何信息的图形。尽管现代图布局算法在计算上可扩展到大型网络，但其输出往往呈现常见的“毛球”外观，这使得甚至难以区分不同的图。图采样与图粗化技术部分解决了这些局限，但它们只能保留原始图属性的一部分。在本文中，我们从新视角看待可视化大型图的问题：我们抛开原始图的节点与边，而是通过生成一个结构属性与原始图匹配的全新图，来摘要其聚类系数与二部性之类的属性。为验证该方法相对于其他图可视化算法的效用，我们进行了实验评估，其中反复要求实验受试者（图挖掘及相关领域的专业人员）判断给定两个图中哪一个具有某结构属性，并评估哪种可视化算法有助于识别正确答案。我们的摘要方法SynGraphy在多种网络上优于其他技术。