许多应用领域,如社会学、生物学、软件工程等,都涉及大型复杂网络。对这样的网络进行分析绝非一件简单的事,因为它通常需要多次交互才能得出结果。因此,对分析师来说,分析过程和分析得到的结果同样重要,值得保存和共享。关键是如何抓住和总结分析中的重要步骤。
加利福尼亚大学戴维斯分校Kwan-Liu Ma教授团队在Visual InfromaticsVI 官网 介绍了一个排位模型和一个约简算法。该模型可以识别网络分析中采用的重要交互并加以排序。基于这个模型,算法能够最大程度简化分析过程,同时仍然保留了回顾、重用、再现和共享分析过程和结果的所有重要步骤。他们利用上述模型和算法创建了一个原型系统,通过两种应用情景展示设计的有效性。

排位模型–V2D2
V2D2模型描述了如何对网络分析中的交互进行分类、所记录的每一交互层的重要性,显示相关的变化以及当前交互层和其他交互层之间的依赖关系。

V2D2模型包括4个层面的交互:
- 视图层面交互(VLIs):用于视觉强调(例如高亮显示)和视图导航(例如缩放和平移)。
- 视觉结构层面交互(VSLIs):更改数据的可视映射方式。例如,网络布局(例如,改变结点位置)和改变实体值的映射(例如,改变结点颜色或尺寸大小)均属于这一类。
- 数据选择层面交互(DSLIs):更改数据的可见性,包括基于某个实体值对结点进行筛选。
交互式网络分析的可视化简要总结

文章介绍了Kwan-Liu Ma教授团队的V2D2模型和约简算法,用于捕捉和简化网络分析过程中的重要步骤。V2D2模型包含视图、视觉结构、数据选择和数据更改四个层面的交互,而约简算法旨在保留关键帧,减少不必要的交互,便于分析过程的回顾、重用和分享。
最低0.47元/天 解锁文章
1461

被折叠的 条评论
为什么被折叠?



