基于Louvain算法的图数据三维树形可视化

doi:10.3778/j.issn.1002-8331.1702-0346

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (7): 96-101.DOI: 10.3778/j.issn.1002-8331.1702-0346

基于Louvain算法的图数据三维树形可视化

林定1，2，徐颖1，2，黄国新1，2，陈崇成1，2

1.福州大学空间数据挖掘与信息共享教育部重点实验室，福州 350116
2.福州大学地理空间信息技术国家地方联合工程研究中心，福州 350116

出版日期:2018-04-01 发布日期:2018-04-16

Visualizing graph data in 3D tree-style based on Louvain algorithm

LIN Ding1, 2, XU Ying1, 2, HUANG Guoxin1, 2, CHEN Chongcheng1, 2

1.Key Laboratory of Spatial Data Mining & Information Sharing of MOE, Fuzhou University, Fuzhou 350116, China
2.National Engineering Research Center of Geospatial Information Technology, Fuzhou University, Fuzhou 350116, China

Online:2018-04-01 Published:2018-04-16

摘要/Abstract

摘要： 提出一种图数据的三维树形可视化方法，基于Louvain算法对图数据中的复杂的网络关系进行层次聚类，利用三维树形映射表达聚类结果，直观展示隐含于图数据中的结构关系，通过在三维场景中旋转、缩放、移动、拾取高亮等交互操作多视角地展示数据。集成开源图数据库Neo4j研发原型系统，并开展案例数据实验。实验结果表明，该方法不仅能够简洁灵活地展示图数据的总体层次结构，还能够多样化地表达数据细节，为利用虚拟现实技术探索图数据的潜在信息提供有效的技术支持。

关键词: 图数据, 层次社区结构, 三维可视化, Neo4j

Abstract: Graph visualization as an effective technology to understand the graph structure and reveal hidden self-organization is of great significance. Meanwhile, detecting hierarchical community structures in contact graph data may give reorganizational insight of complex network relationships. This paper introduces a Neo4j-based implementation of Louvain method to produce multi-level clusters, and a prototype system for graph visualization. In the system, the hierarchical structure data are mapped to a 3D botanical tree, and provide the flexible, intuitive operation to explore the potential information. Visual analysis of experimental results show that the proposed method not only exhibits sophisticated hierarchical community structures clearly, but also displays the data details variously. As a result, the method which is applied virtual reality technique provides strong technical support for graph mining.

Key words: graph data, hierarchical community structure, 3D visualization, Neo4j

林定1，2，徐颖1，2，黄国新1，2，陈崇成1，2. 基于Louvain算法的图数据三维树形可视化[J]. 计算机工程与应用, 2018, 54(7): 96-101.

LIN Ding1, 2, XU Ying1, 2, HUANG Guoxin1, 2, CHEN Chongcheng1, 2. Visualizing graph data in 3D tree-style based on Louvain algorithm[J]. Computer Engineering and Applications, 2018, 54(7): 96-101.

[1]	翟正利，李鹏辉，冯舒. 图对抗攻击研究综述[J]. 计算机工程与应用, 2021, 57(7): 14-21.
[2]	李超，董新华，陈建峡. Spark环境下基于子图的异步迭代更新方法[J]. 计算机工程与应用, 2020, 56(7): 67-73.
[3]	张孝，孙一铭，吴旭峰. 查询感知的关系-图数据库自适应存储技术研究[J]. 计算机工程与应用, 2020, 56(17): 100-108.
[4]	张功森，郭翌，李永哲，裴曦，徐榭，周解平. 结合增强现实的医用加速器碰撞检测方法[J]. 计算机工程与应用, 2020, 56(17): 197-202.
[5]	吕伟，宋文爱，富丽贞，许文. 大规模图数据边受限制的最短距离查询算法[J]. 计算机工程与应用, 2019, 55(7): 71-81.
[6]	傅敏，张江龙，刘培刚. 三维环境下交互式点云对象提取方法[J]. 计算机工程与应用, 2019, 55(24): 265-270.
[7]	周翠莲，游进国，张婷，简兴明. S-Clique：属性约束的极大团枚举[J]. 计算机工程与应用, 2018, 54(5): 66-71.
[8]	段辉丽1，王晶晶2，王芳洁1. 利用辐射度模型实现冠层光合有效辐射分布[J]. 计算机工程与应用, 2017, 53(23): 184-189.
[9]	陈姚节1，2，3，叶峰1，齐鸣1，苏敏1. 导助航信息的三维可视化系统研究[J]. 计算机工程与应用, 2017, 53(20): 219-223.
[10]	丁强龙，王津，张学杰. 基于子模式的关系数据到图数据ETL方法研究[J]. 计算机工程与应用, 2017, 53(12): 76-84.
[11]	吴志强，曾艳阳，刘志中，沈记全. 基于粒子群的三维可视化视点优化方法[J]. 计算机工程与应用, 2015, 51(17): 168-172.
[12]	黄莉1，熊欣2. 重复图数据收缩清理策略[J]. 计算机工程与应用, 2014, 50(4): 122-125.
[13]	王顺利1，2，康凤举1，2. 基于物理模型的舰艏浪三维可视化[J]. 计算机工程与应用, 2014, 50(3): 18-21.
[14]	吴柏燕1，李朝奎1，王伟2. 顾及曲线形状的矢量地图数据水印模型[J]. 计算机工程与应用, 2014, 50(1): 74-77.
[15]	黄展鹏¹，鲍苏苏²，蒋世忠¹. 肝脏及内部管道的可视化和三维交互式测量[J]. 计算机工程与应用, 2009, 45(22): 169-171.

基于Louvain算法的图数据三维树形可视化

Visualizing graph data in 3D tree-style based on Louvain algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics