基于k-core的大规模复杂网络压缩布局算法

为在复杂网络规模不断扩大的情况下优化其可视化布局效果,将力导引布局算法与k-core概念相结合,提出一种改进的大规模复杂网络压缩布局算法。利用复杂网络中的k-core概念划分网络数据,根据k-core值选择节点处理方式,实现网络节点的压缩布局。定义面向压缩的复杂网络信息量概念,对算法的压缩效果进行量化评估。实验结果表明,改进后的布局算法能有效利用有限的显示空间,减少布局结果中的边点密集现象,清晰地显示网络结构,同时在一定程度上保持原始网络性质。

基于社团结构节点重要性的网络可视化压缩布局

为有效展示网络的中观尺度结构,将力导引布局算法与网络社团结构特征相结合,提出了一种基于社团结构节点重要性的网络可视化压缩布局方法。首先,采用Louvain算法对网络进行多粒度社团结构划分;然后,通过计算社团结构中节点的拓扑势评估节点的重要性,保留社团结构中的重要节点,合并边缘节点,实现社团结构压缩;最后,采用力导引布局算法布局压缩网络节点,实现网络可视化的压缩布局。实验结果表明:所提方法在压缩节点和连边规模的基础上,能够完整保留原始网络的社团构成,并且通过保留社团结构代表点可以清晰展示社团内部结构,突出社团和重要节点在网络结构中的位置和作用。