大型网络可视化的研究与实践

大型网络可视化的研究与实践

pajik软件是网络分析软件的一个。它由于优秀的网络处理能力、强大的可视化功能和方便的访问方法而引起了研究人员的注意。本文以《情报理论与实践》的合著网络为例,简要介绍Pajek软件的可视化功能。并在此基础上对其中有代表性的子网络进行具体的分析和比较,说明网络的特点和发展趋势,也为后期利用软件的分析功能对网络特性进行更深入的挖掘奠定了基础。1paj代码总结1.1多网络分析软件介绍Pajek(斯洛文尼亚语中意为蜘蛛)软件,是一款基于Windows的大型网络分析和可视化软件,由A.Mrvar和V.Batagelj于1996年开发。该软件仅限于非商业用途,可以通过网络免费获取最新版本。不同于一般的网络分析软件,Pajek可以处理拥有多达几百万节点的大型网络,突破了很多网络分析软件只能处理较小规模数据的瓶颈。它可以从大规模网络中提取出若干小网络,以便于使用经典算法实现更加细致的研究,并通过强大的可视化功能将网络及分析结果展示出来。Pajek的输入方式比较灵活,可以直接定义一个小网络,也可以从外面导入数据生成网络,除了本身的数据格式之外,它还支持很多其他软件数据格式的导入。软件的结构是建立在网络、分类、向量、排序、群和层级6种数据结构之上的。主窗口的17个菜单说明了Pajek可以进行的所有操作,包括网络、分类、向量和绘图。具体来说,“网络”菜单包括网络变换、生成随机网络和层次分解等功能;“分类”菜单则包括生成随机分类、规范化分类以及从分类中生成网络等操作;“向量”菜单,包括生成选定维数的识别向量、从给定向量中抽取子向量和将给定向量变形等与向量相关的内容;“绘图”菜单在进行绘图操作时,屏幕上会弹出一个独立的绘图窗口,其中有很多关于绘制、修改和导出网络图的详细操作,可以帮助我们绘制出所需的网络图并导出成为多种格式的文件。1.2ek软件的分析在众多网络分析和可视化工具中,Pajek软件以其强大的图像处理能力和多样的图像导出格式赢得了研究者的青睐,越来越多地应用于各种网络的分析和可视化中。1.2.1自动布局命令frachtermanreingold时多进行网络实现Pajek的图像处理功能非常强大,在生成网络图方面,它支持自动网络布局和手动网络布局两类操作。自动布局程序非常适合绘制基础的网络图,这样可以避免使用者个人的偏好和失误,使布局更加准确。此外,自动布局的速度通常比较快,绘制出的网络图也更漂亮。Pajek的绘图窗口中有两个产生自动布局的命令:Kamada-Kawai和FruchtermanReingold。执行Kamada-Kawai命令可以产生节点间隔比较均匀的网络图,通常用于生成连通网络的布局。与另外一个命令FruchtermanReingold相比,Kamada-Kawai的布局结果更加稳定,但是速度相对较慢,只能处理小型的网络。FruchtermanReingold命令的处理速度比较快,能够处理拥有更多节点的大型网络。在执行过程中,可以很好地分离网络中不连通的各部分,将它们分隔出来。并且可以选择生成二维或三维的网络图。使用Pajek的自动布局命令可以生成一个漂亮的网络图,但难免会有一些细节不够理想,这个缺憾可以靠手动布局来弥补。利用Pajek的手动布局功能调整网络布局是一件很简单的事情,只要用鼠标拖动节点移动位置即可。如果需要限制节点的移动,可以在绘图窗口的“Move”菜单中,通过选择“X”、“Y”或“Radius”限制节点在水平方向、垂直方向或规定半径的圆上移动。此外,绘图窗口的其他菜单中也提供了很多改变网络图外观的选项,这些都可以帮助我们更好地改进网络图。自动布局和手动布局命令各有优缺点,使用时需要将两者很好地结合起来,才能生成更理想的网络图。在进行网络布局时,只依靠一个自动布局命令的一次运行无法得到满意的结果。我们需要根据网络的特点选择相应的自动布局命令,或是综合运用两个命令,生成初步的网络布局,再结合手动调整不断完善,才能生成理想的网络图。另外,还有使用者建议在处理小型网络时,首先使用FruchtermanReingold命令进行自动布局,并调整距离以达到稳定的效果,之后通过Kamada-Kawai命令调整节点位置,以改进网络布局,最后结合手动调整,达到理想的效果。1.2.2图像出射出型绘制好的网络图需要以正确的格式导出,才能呈现给读者。Pajek软件生成的网络图可以导出6种格式:Bitmap,EPS/PS,SVG,VRML,MDLMOLfile和Kinemages。在绘图窗口的“Export”菜单中,执行Bitmap,EPS/PS和SVG三个命令可以将网络图导出为对应格式的二维图像,执行VRML,MDLMOLfile和Kinemages三个命令可以将网络图导出为对应格式的三维图像。本文以二维图像导出为例进行简要介绍。执行“Export>Bitmap”可以将网络图导出为Bitmap格式。这种格式是微软公司为其Windows环境设置的标准图像格式,使用普遍,读取也比较方便。但是Bitmap格式导出图像的修改比较烦琐,需要单独编辑每一个像素,而不能移动整个节点、连线或是标签。此外,这种格式的图像质量不够理想,在放大时会引起失真,并且文件占用空间比较大。这种格式主要用于快速灵活读取图像和对网络进行简单分析的情况。相比之下,以EPS/PS和SVG格式导出的矢量图具有图像质量高,缩放不失真和便于编辑修改的优点。这两种格式的不足在于,大部分Windows应用软件不能直接读取,需要将图像转化成其他格式或是安装特殊的软件、插件来读取。PS和EPS格式都是Adobe公司开发的矢量文件格式,EPS是PostScript文件的一种变体。EPS文件格式以它在图像品质、精确度和色彩处理能力方面的优秀表现赢得了使用者的好评。加上它可以方便地与一些软件进行文件交换,在使用Pajek软件进行更深入的网络分析的过程中,较多使用的是这种导出格式。SVG是一种基于可扩展标记语言(XML),用于描述二维矢量图形的导出格式,它使用文本格式的描述性语言来描述图像内容,用记事本就可以打开并进行修改,操作简单。此外,它还是一种与图像分辨率无关的格式,使用任何分辨率的打印机都能够打印出高质量的画面。更吸引人的是,使用者可以将交互元素加入到SVG文档中,使其可以对用户的输入做出响应。2由作品的作者构建网络本文中网络的建立遵循相关规则,将作者看做节点,将每两位合著过文章的作者用一条线连接,构成了合著网络。由于讨论的合作方式为两两合作,关系是相互的,因此所建立的是无向、无权重网络。2.1作者单位的选择笔者通过NoteExpress软件在线检索权威数据库采集相关数据,共统计了图书情报学17种核心期刊2001—2007年收录的论文及作者,掌握了情报学作者合著关系的基本数据。在对合著率较高的几种期刊进行分析比较之后,综合考虑期刊所涉及的研究领域、文章的专业性等,选择了《情报理论与实践》的合著数据建立合著网络。经过去重、去掉非论文文章等处理,共采集到图书情报学核心期刊《情报理论与实践》2001—2007年底收录的论文1263篇,作者1404位,其中参与合著的作者有1016位,合作作者所占比例为72.36%,相对较高。2.2pajken软件所需格式分析经过处理的数据需要转换成相应的格式才能导入软件进行分析,在本例中,转换前的数据格式为:转换后的数据格式为Pajek软件所需格式(见图1),根据此格式将数据导入Pajek软件,建立《情报理论与实践》合著网络。2.3快速支持的pajet的自动布局为了更好地表现和分析合著作者之间的合作关系,绘图时只考虑合作次数在5次以上的作者及其合著作者,共包含作者242位。根据初步绘图结果发现,本文讨论的合著网络是一个非连通网络,由很多相互独立的子网络组成。因此在使用Pajek继续进行网络布局的时候需要选择分离效果比较好的FruchtermanReingold命令。在网络布局时,首先通过自动布局命令FruchtermanReingold中的Factor选项来设定节点间距离优先的因子。接下来,执行“FruchtermanReingold>3D”进行自动布局,并根据所得到的结果,不断调整设置,重复改进。最后进行手动调整,完善一些不足之处。按照以上步骤,得到了《情报理论与实践》合著网络。2.4网络输出将《情报理论与实践》合著网络以Bitmap格式进行导出,导出结果如图2所示。3结构优化型根据导出的网络图可以清楚地看到,《情报理论与实践》合著网络是一个非连通网络,由23个相互独立的子网络组成。其中最大子网络拥有节点34个,最小子网络节点数为4个。通过更深入的观察可以发现,根据各自组成结构的特点,所有的子网络大致可以分为三类。第一类子网络的代表是最大子网络,即整个网络中合作程度最高的团队。它以6位作者为核心,由34位作者组成,其中合作次数最多的作者为10次。从组成结构来看,6位核心作者来自不同的科研机构,拥有各自相对固定的合著伙伴。由此可见,6位核心作者的合作带动了多个不同科研机构的广泛合作。从时间方面来看,更多的合作都发生在最近几年,并且合作程度越来越高。在整个合著网络中,类似结构的子网络还有两个,但规模相对较小。总之,这类组成人员多,合作关系相对复杂的子网络在科研活动中可以扩大合作范围,拓宽研究领域,加强不同研究机构、研究背景的作者之间的交流。另外,这样的研究团队通常发表论文数量大,作者之间合作机会多,程度高,对新成果、新思想的传播有着极大的促进作用。另一类子网络的代表,是一个由3位合作次数较高的核心作者(合作次数分别为13次,9次和7次)组成的合作关系密切,合作程度比较高,网络规模比较大的合著子网络。与第一类网络相比,它的不足之处在于,网络组成人员都来自同一科研机构,受工作背景和地域的影响,交叉研究较少,合作范围较小。这类网络在科研团队建立和学术交流方面能够起到积极的推动作用,但也由于自身的网络结构受到了一定的限制。最后一类值得关注的子网络具有更加明显的结构特点:网络的核心作者只有一名,并且组成网络的全部人员都是同一科研机构的同事或师生,只在很小的范围内形成了有限的合著关系。不论从自身科研活动的开展,还是从与其他团队的交流来看,这类网络都具有很大的局限性,只有改变合作方式,扩大合作范围,才能适应科研工作的发展趋势,赢得更好的发展环境。根据对以上三类网络的简单分析可以了解到,在《情报理论与实践》期刊的合著网络中,存在着很多各种形式的合作团体,并且在最近的几年中子网络的合作规模不断扩大,结构