[发明专利]一种引入量化指标的时变网络社区演化可视化方法

说明书

本发明涉及信息可视化领域，具体是能够反映时变网络中社区演化的可视化方法，得到时变网络的时变社区划分，对社区抽象网络进行全局布局，引入时变向心力，使不稳定的社区更接近布局中心，实现社区位置与其时变特征的映射，并通过稳定性指标限制引力模型中的引力、斥力，以保证布局稳定性，确定社区布局位置；对各社区内节点进行布局，体现时变社区在相邻时间片内的节点变化；采用同心圆环作为可视化背景，强化社区位置与稳定性量化指标映射信息的可读性。

技术领域

本发明涉及信息可视化领域，具体是一种反映时变网络社团结构演化过程的可视化布局方法。

背景技术

人类社会早已经被网络化，人的生活中到处存在着万维网、社会关系网、交通网络等复杂网络。传统的网络可视化研究实际上是以静态网络为研究对象，即可视化对象的网络结构是不会随着时间变化的。而现实世界中的网络大部分是动态的或者说时变的，即网络中的节点和边是随着时间变化的，伴随着节点或边的删除，会有新的节点和边添加。时变网络的研究因为需要考虑时间属性而复杂得多，因为网络中节点的加入或者删除可能会影响网络的全局结构，比如网络的社区划分。对时变网络中“变化”的发现和理解有助于深入理解网络的演化过程。当前对时变网络的可视化布局研究普遍集中于使布局结果能够尽可能的保持用户的意向图(mental map)，即尽可能的减小节点、边的位置变动，清除视觉混乱，使用户不用重新调整对新网络的认识和感知。胡华全等人在《系统仿真学报》第25卷第9期上发表了题为《时变网络可视化研究综述》中，将当前时变网络可视化技术分为基于节点相对位置布局、基于增量布局和基于聚类布局三类。一般来说，第一类的网络帧之间含有相同的节点数量，网络拓扑的变化导致节点布局位置发生改变，因此通过约束节点的相对位置，能够较好的保持用户的意象图；第二类网络帧之间同时具有节点和边的变化，但是其主要特征是节点数量的增加，如何处理新增节点是该类方法的关注点；第三类方法中试节点的聚类特征，研究如何通过保持聚类特征来保持用户意象图。然而，现有研究普遍具有以下几个问题：(1)现有研究出发角度通常为保存用户意象图，然而目前对这一努力是否真正有助于用户获取信息仍然有很多争议；(2)单个时间帧网络可视化结果缺乏网络时变属性。对时变网络的单步时间帧布局，仍是使用传统静态布局算法，并没有考虑时变网络的动态属性；(3)可视化出的信息多为定性的，缺乏定量信息的展现；(4)对可视化空间位置利用率有待提高。可视化区域大小是有限的，那么合理、充分利用有限空间尽可能多的传递信息仍是研究的重点。

发明内容

本发明针对现有技术中的上述不足，提供一种能够展示时变网络社区结构演化过程的可视化方法。引入社区时变特征的量化指标，提出一种基于力引导算法而改进的时变社区布局算法，对社区内部进行两层同心圆布局。该方法能够对时变网络的社区划分进行清晰地可视化，同时能够展现时变社区的演变特征，提供更多的网络时变信息，且布局具有较好的稳定性和可扩展性。

本发明是通过以下技术方案实现的，一种引入量化指标的时变网络社区演化可视化方法，包括以下步骤：对时变网络序列的时间步子网络进行静态社区划分。时间步子网络是指时变网络在某一时刻下的静态结构，一个时变网络可看作是对应若干时刻的时间步子网络序列。对相邻时间步子网络的静态社区两两比对，根据相似函数划分时变网络的时变社区；将时间步子网络的静态社区抽象为节点，得到抽象图序列，根据抽象节点所受时变向心力、引力和斥力对抽象图进行全局布局确定社区的布局位置,并通过时变社区稳定性保证布局稳定；将所有静态社区中节点按照不同来源各自进行区分，刻画社团成员(社区中节点)组成的演变情况，使用户可以观察社区的局部结构；采用同心圆环作为可视化背景，强化社团位置与稳定性量化指标映射信息的可读性。

其中，动态社区是根据动态网络得到，是随着时间不断变化的，某一时刻的动态社区表现为静态社区，社区的位置是指动态社区在某个时刻的位置。时间步子网络为某一时刻的子网络。