Диссертация (1090614), страница 15
Текст из файла (страница 15)
3.5. Граф G2, случайное автоматическое размещение вершин.Рис. 3.6. Граф G2, применение алгоритма на основе кругового размещения.110Рис. 3.7. Граф G2, применение алгоритма на основе метода физическиханалогийРассмотрим граф G3, состоящий из 1000 вершин и 19567 связей (Рис. 3.8- Рис. 3.10). Данный пример показателен тем, что в результате выделениясообществ был найдено много «небольших» сообществ. Поэтому в данномслучае размещение, основанное на методе физических аналогий, показалолучший результат, потому что: видны «популярные» вершины (вершины сбольшим количеством связей), неплохо видны связи как внутри сообществ,так и общая структура связей между сообществами.111Рис.
3.8. Граф G3, случайное автоматическое размещение вершин.Рис. 3.9. Граф G3, применение алгоритма на основе кругового размещения.112Рис. 3.10. Граф G3, применение алгоритма на основе метода физическиханалогийРассмотрим граф G4, состоящий из 2000 вершин и 43004 связей (Рис.3.11 - Рис. 3.13). В результате применения алгоритма выделения сообществразмеры полученных сообществ варьируются, но все же преобладают большиесообщества с высокой плотностью связей.
Поэтому анализ структуры связейвнутри каждого отдельного сообщества лучше проводить с использованиемкругового покомпонентного размещения (Рис. 3.12), в то время как структурасвязей между сообществами отчетливей видна при использовании методафизических аналогий (Рис. 3.13). Кроме того, площадь поверхности,занимаемая графом в случае использования метода физических аналогийнамного меньше, поэтому можно сказать, что метод физических аналогийстроит более компактные расположения графов на плоскости.113Рис. 3.11. Граф G4, случайное автоматическое размещение вершин.Рис. 3.12.
Граф G4, применение алгоритма на основе круговогоразмещения.114Рис. 3.13. Граф G4, применение алгоритма на основе метода физическиханалогийРассмотрим граф G5, состоящий из 158 вершин и 790 связей (Рис. 3.14 Рис. 3.16). Визуализации, полученные обоими алгоритмами, нагляднопредставляют структуру графа.115Рис. 3.14. Граф G5, случайное автоматическое размещение вершин.Рис. 3.15. Граф G5, применение алгоритма на основе круговогоразмещения.116Рис. 3.16. Граф G5, применение алгоритма на основе метода физическиханалогийРассмотрим граф G6, состоящий из 480 вершин и 493 связей (Рис. 3.17 Рис.3.19).Визуализация,полученнаяалгоритмомавтоматическогоразмещения сообществ на основе метода физических аналогий, нагляднейотображает структуру графа по сравнению с алгоритмом на основе круговогопокомпонентного размещения.117Рис.
3.17. Граф G6, случайное автоматическое размещение вершин.Рис. 3.18. Граф G6, применение алгоритма на основе круговогоразмещения.118Рис. 3.19. Граф G6, применение алгоритма на основе метода физическиханалогийНа рисунках (Рис. 3.2 - Рис. 3.19) изображены результаты выделениясообществ в социальных сетях. В данных примерах продемонстрировановыделение сообществ из графа описывающего отношения «дружбы».Наглядно видно, вершины из одного сообщества почти все связаны междусобой, при этом слабо связаны с вершинами из других сообществ. Кроме того,видно, что в сети присутствует несколько объектов, которые имеют связи свершинами из многих сообществ.Экспериментальные результаты показали, что реализованные методыавтоматического размещения графов с учетом выделения сообществ могутбыть применимы для визуализации больших графов.119При анализе результирующих размещений, под качеством понимаютсяследующие аспекты:1.
Визуальная различимость сообществ между собой.2. Читаемостьсвязеймеждупарамивершин(чемменьшепересечений связей, тем наглядней схема).3. Размерзанимаемойплощади(эффективностьразмещениязачастую достигается за счет более компактного размещениясообществ на плоскости).4. Возможность визуально отличить вершины с высокой степенью.Экспериментальным путем установлено, что ярко выраженного лидерасреди рассматриваемой пары алгоритмов размещений нет. В большинствеслучаев, алгоритм на основе метода физических аналогий работаеткачественней благодаря тому, что связи между вершинами из разныхсообществ просматриваются гораздо лучше, по сравнению с методом наоснове кругового размещения. Также в случае с небольшими графами G5 и G6(Рис.3.14-Рис.3.19)геометрическиемоделиполучаютсяболееинтерпретируемыми.С другой стороны, алгоритм на основе метода физических аналогийобладает существенным недостатком: в случае, когда размер сообществбольшой и плотность связей внутри таких сообществ высокая, топроанализировать структуру связей внутри сообщества становится тяжело, вто время как метод на основе кругового размещения не обладает этимнедостатком.120Выводы по 3 главе3.4.1.
Разработан и реализован применимый для выделения групп общения всоциальных сетях метод, с помощью которого можно эффективновыделять сообщества взаимодействующих объектов.2. Разработана и реализована модификация алгоритма выделениясообществ на основе учета информационного содержания сети.3. Вычислительнымиэкспериментамипоказанаэффективностьпредложенного метода выделения сообществ.4. Разработана геометрическая модель автоматического размещенияграфа на основе алгоритма выделения сообществ. Предложена иреализованапроцедураавтоматическогоразмещениеграфовсвыделенными сообществами объектов при визуализации средствамичеловеко-машинного интерфейса.5.
Предложеныразмещенияиреализованывершинпридваалгоритмавизуализацииграфаавтоматическогосвыделеннымисообществами на базах кругового покомпонентного автоматическогоразмещения и метода физических аналогий.6. Проведен сравнительный анализ геометрических моделей визуальногопредставления графов на основе выделенных сообществ.7. Экспериментальнымпутемустановлено,чтодлянаглядногопредставления связей между сообществами лучше использовать методна основе физических аналогий, внутри сообществ – на основекругового покомпонентного размещения.
Кроме того, геометрическиепредставления, полученные с помощью метода физических аналогий,занимают меньшую площадь на плоскости.121ГЛАВА 4. Программный комплекс визуального анализаграфов4.1.Общая архитектура программного комплексаРазработанный программный комплекс предназначен для построения ианализа графов социальных сетей и автоматизированного размещения вершини связей в соответствии с задаваемыми изобразительными соглашениями.Согласнопоставленнойзадачеивыбраннымизобразительнымсоглашениям спроектированы эффективные структуры данных, которыепозволили создать развитую систему редактирования и анализа без ущербапроизводительности и с допустимым объемом занимаемой памяти.Ядро программного комплекса [81, 82] реализовано на языке C++ сиспользованием открытой графической библиотеки OpenGL для реализациидвухмерной компьютерной графики и с использованием библиотеки Qt соткрытым исходным кодом для реализации элементов графическогоинтерфейса.122Рис.
4.1.Общая архитектура программного комплекса.Опишем общую работу и взаимодействие модулей (Рис. 4.1)разработанной архитектуры. Ядро приложения состоит из 6 основныхмодулей:• Модуль конвертации данных. Предназначен для импорта данных изразличных внешних форматов в специализированный единыйформат хранения.• Хранилищеграфов.Специальноразработанноехранилище,позволяющее хранить графы больших размеров и предоставляющееэффективные методы по работе с ними.• Модуль алгоритмов анализа. Включает в себя разнообразныеалгоритмы анализа графов.123• Модуль алгоритмов автоматического размещения. Реализовываетбазовые размещения, позволяющие проанализировать структурныеособенности графов.• Модуль визуализации.
Реализовывает богатую функциональность поотображению различных элементов графов социальных сетей.• Хранилище визуализации графов. Позволяет хранить различныевизуальные представления исследуемых графов.Импорт данных в Хранилище и клиентское приложение осуществляетсяиз Excel таблиц, файлов с расширениями: doc, html, xml, реляционной БД, илитекстовых файлов специального формата, содержащих структурированныеданные.Конвертер выделяет из файлов табличные данные и преобразовывает ихв граф, который сохраняется в файловой системе хранилища.Методология работы с сетью предусматривает два режима хранения:• базовое хранение, предназначенное для хранения графов большогоразмера (миллионы вершин и ребер);• локальноехранение,предназначенноедляхраненияграфов,являющихся подграфами, полученными по результатам запросов кбазовымграфамипорезультатамобработкиклиентскимприложением.К каждому конкретному сохраненному графу может быть привязанолюбое количество вариантов визуализации локального графа, которыесохраняются в хранилищах вариантов визуализации.
Под вариантомвизуализации понимается расположение вершин и связей между собой,иконки всех вершин, способы визуализации всех вершин, иконки всехатрибутов и их стили, стили всех связей и координаты их точек изломов.Схема визуализации для графа сохраняется в бинарный файл. Сначалазаписывается строковый уникальный идентификатор хранилища для того,124чтобы ввести однозначное соответствие схемы визуализации и графа. Затем вфайл записываются вся коллекция иконок вершин в формате <имяиконки><изображение иконки>.
Далее в файл записывается вся коллекциятиповатрибутоввформате<имя><цвет><флаготображения><имяиконки><иконка><порядковый номер при визуализации><флаг отображенияиконки><флаготображенияимени><типзначения><тип хранимого значения>.коллекциятиповсвязейвформатевыравниваниятекстовогоЗатем в файл записывается вся<имятипасвязи><цветтипасвязи><ширина линии><стиль линии><направление линии>.Далее записываются группировки вершин и связей: для каждойгрупповойвершинызаписываетсяееидентификаторимассивидентификаторов вершин, из которых она состоит, для каждой групповойсвязи записывается ее идентификатор и массив идентификаторов связей, изкоторых она состоит.
Запись групповых вершин и связей происходит с учетомпоследовательности и вложенности группировок. Затем последовательносохраняетсявизуализациявершины><координатавизуальноговсехвершинx><координатапредставлениявформате<идентификаторy><идентификаторвершины><дополнительныеспособапараметрыконкретного визуального представления>.После сохраняется визуализация всех связей в формате <идентификаторсвязи><идентификатор вершины начала>< идентификатор вершины конца><стиль><ширина><отступ первого сегмента излома><направление>. Далееидет запись всех изломов связей в формате <идентификатор вершины началасвязей>< идентификатор вершины конца связей><величина отступа междупараллельно идущими связями><количество изломов><массив координатвсех изломов>.Модуль анализа сети предназначен для реализации алгоритмов иструктуры данных, и позволяет:125• извлекать подграфы на основе поисков в ширину и на заданную взапросе глубину от заданной вершины, на основе используемых взапросах фильтров по атрибутам, на базе выделения кластеров;• осуществлять поиск объектов по заданным параметрам атрибутов всоответствии с различными фильтрами;• осуществлять поиск похожих вершин;• выполнять объединение и пересечения графов.Операция объединения и пересечения схожи по своей реализации.
Вкачествевходных параметров дляданных операцийдолжны бытьзафиксированы наборы атрибутов графа, с помощью которых будет проходитьотождествление вершин и связей соответственно. По умолчанию учитываютсявсе атрибуты.При выполнении операции пересечения, строится новый граф, в котороммножество вершин состоит из отождествленных вершин обоих графов позаранее заданному набору атрибутов. Множество связей нового графа состоитиз всех связей обоих графов, участвующих в операции.Затем для всех связей в новом графе между всеми парами вершинпроисходит операция фильтрации повторяющихся связей по заданномунабору атрибутов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
