基于分割绘图法的网络布局方法、系统及介质技术方案

本发明专利技术提供了一种基于分割绘图法的网络布局方法、系统及介质，包括：图分割步骤：根据原始数据使用启发式算法对全图进行分割得到多个子图；块间布局步骤：根据分割结果，基于图布局的力引导模型生成子图的块间布局；子图布局步骤：使用力引导模型对子图分别布局，得到最优的子图布局；拼接步骤：根据子图的块间布局对子图进行拼接，得到初期成图；调整步骤：根据力引导模型对初期成图的布局进行调整，得到最优的全图布局。本发明专利技术基于分割绘图法对超大规模网络进行布局，大幅提高了网络布局算法可处理的数据体量，突破了网络可视化算法百万量级的壁垒。

Network layout method, system and medium based on partition drawing

【技术实现步骤摘要】
基于分割绘图法的网络布局方法、系统及介质
本专利技术涉及数据网络
，具体地，涉及一种基于分割绘图法的网络布局方法、系统及介质。
技术介绍
随着技术的进步与科学的发展，学术网络数据的体量正在飞速增长，大数据分析与可视化正在逐渐改变我们的生活。在网络可视化领域，网络布局算法占据重要位置。学术网络是抽象的，我们无法从excel表格中看出数据的结构与聚集方式。将学术网络进行布局可以较好的解决这一问题。但是，随着学术网络数据体量的增加，数据的布局变得愈发困难。对于目前大多数网络布局算法依然无法处理超大体量的数据。目前已有的网络可视化算法如ForceAtlas，FruchtermanReingold，YifanHu等算法可处理的节点规模上限在十万量级。当网络中节点数超过该上限时，布局算法的效率便急剧下降。而学术网络中的节点数量通常在百万量级甚至更高，算法的性能瓶颈和实际需求间的巨大差异对于揭示实际学术大数据空间结构形态造成了巨大障碍，面临诸多严峻的技术挑战。专利文献CN109450675A公开了一种网络布局方法、装置、网络布局设备和存储介质。该网络布局方法包括：通过收集网络拓扑数据；使用小世界构造算法对网络拓扑数据进行处理后得到网络结构集合；使用FM3布局算法对网络结构集合进行布局计算，得到布局数据；将布局数据输出到指定的设备上。该专利文献同样存在上述的缺陷。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于分割绘图法的网络布局方法、系统及介质。根据本专利技术提供的一种基于分割绘图法的网络布局方法，包括：图分割步骤：根据原始网络数据使用启发式算法对原始网络数据对应的全图进行分割得到多个子图；块间布局步骤：根据分割结果，基于图布局的力引导模型生成子图的块间布局；子图布局步骤：使用力引导模型对子图分别布局，得到最优的子图布局；拼接步骤：根据子图的块间布局对子图进行拼接，得到初期成图；调整步骤：根据力引导模型对初期成图的布局进行调整，得到最优的全图布局。优选地，所述图分割步骤：预处理子步骤：对原始数据进行预处理，暂时去除度为0的节点；分割子步骤：使用启发式算法对全图进行分割，根据网络中节点在结构上的相似性将全图分割为多个节点数不等的子图；存储子步骤：将分割完的子图以预设格式存储。优选地，所述块间布局步骤包括：引力计算子步骤：根据图布局算法两节点之间的引力公式计算分割完成后任意两个子图之间的引力；斥力计算子步骤：根据图布局算法两节点之间的斥力公式计算分割完成后任意两个子图之间的斥力；融合子步骤：根据计算得到的引力、斥力，对子图之间的边进行融合，对子图内的度进行等效，得到子图的块间布局初始图；布局子步骤：使用图布局算法对块间布局初始图进行布局，得到子图的块间布局，并以预设格式存储。优选地，所述子图布局步骤包括：并行化子步骤：采用图布局算法对多个子图进行并行布局，一个进程负责一个子图的布局；存储子步骤：在图布局算法收敛后，将子图的布局以预设格式存储。优选地，所述拼接步骤包括：调节子步骤：对所述块间布局步骤得到的块间布局进行调节拼合子步骤：根据调节后的块间布局与所述子图布局步骤得到的最优的子图布局进行子图的拼合，得到初期成图。优选地，子图的拼合包括：以块间布局中的中心节点作为各个子图的中心点，将布局完成的各个子图平移到中心节点的位置上。优选地，所述调整步骤包括：恢复子步骤：将暂时去除度为0的节点进行恢复；全图调整子步骤：使用图布局算法对得到初期成图进行调整，得到全图布局的最优解。优选地，所述图布局算法包括ForceAtlas2算法。根据本专利技术提供的一种基于分割绘图法的网络布局系统，包括：图分割模块：根据原始网络数据使用启发式算法对原始网络数据对应的全图进行分割得到多个子图；块间布局模块：根据分割结果，基于图布局的力引导模型生成子图的块间布局；子图布局模块：使用力引导模型对子图分别布局，得到最优的子图布局；拼接模块：根据子图的块间布局对子图进行拼接，得到初期成图；调整模块：根据力引导模型对初期成图的布局进行调整，得到最优的全图布局。根据本专利技术提供的一种存储有计算机程序的计算机可读存储介质，所述计算机程序被处理器执行时实现上述的方法的步骤。与现有技术相比，本专利技术具有如下的有益效果：1、基于分割绘图法对超大规模网络进行布局，大幅提高了网络布局算法可处理的数据体量，突破了网络可视化算法百万量级的壁垒。2、本专利技术通过对超大规模网络完成布局，从而揭示了整个网络对应领域的全貌，并实现超大规模范围内的精准定位。3、本专利技术可扩展到各种具有结构性的超大规模网络，例如大规模学术网络、大规模社交网络。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显。图1为本专利技术的流程图；图2为本专利技术实施例构造的超大规模学术网络块间布局的示意图；图3为专利技术选取部分子图进行布局示意图；图4为本专利技术布局的一个超大规模学术网络示意图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。以大规模学术网络为例，本实施例提供的一种基于分割绘图法的网络布局方法，涉及整理含使用启发式算法对超大规模网络进行分割、基于力引导模型生成子图的块间布局、使用力引导模型对子图进行分别布局、根据块间布局对子图进行拼接、初期成图的微调；具体地，如图1所示，包括如下步骤：步骤S1：根据原始网络数据(原始网络数据为需要进行布局的大规模网络数据，如大规模学术网络，大规模社交网络等，数据一般从互联网，或各大学术网站获得)使用启发式算法对全图进行分割；步骤S2：根据图划分的结果基于图布局的力引导模型生成子图的块间布局；步骤S3：使用力引导模型对子图分别布局，得到子图布局的最优解；步骤S4：根据子图的块间布局对子图进行拼接，得到初期成图；步骤S5：根据力引导模型对初期成图的布局进行微调，得到全图的布局最优解，并绘制超大规模学术网络的布局结果。步骤S1包括：从Acemap数据库中获取Nature杂志引用关系数据，其中囊括了生物、物理、机械、化学、心理学、地质学、计算机科学、数学、经济学、社会学、材料科学、哲学、地理、艺术、历史、环境科学等19个领域。节点表示一篇论文，边表示论文之间的引用关系，该数据集节点数达到了205万，边达到了340万，是一个典型的超大规模学术网络。数据集获取完成后，将提取出的文件以csv格式生成，然后使用启发本文档来自技高网...

【技术保护点】
1.一种基于分割绘图法的网络布局方法，其特征在于，包括：/n图分割步骤：根据原始网络数据使用启发式算法对原始网络数据对应的全图进行分割得到多个子图；/n块间布局步骤：根据分割结果，基于图布局的力引导模型生成子图的块间布局；/n子图布局步骤：使用力引导模型对子图分别布局，得到最优的子图布局；/n拼接步骤：根据子图的块间布局对子图进行拼接，得到初期成图；/n调整步骤：根据力引导模型对初期成图的布局进行调整，得到最优的全图布局。/n

【技术特征摘要】
1.一种基于分割绘图法的网络布局方法，其特征在于，包括：
图分割步骤：根据原始网络数据使用启发式算法对原始网络数据对应的全图进行分割得到多个子图；
块间布局步骤：根据分割结果，基于图布局的力引导模型生成子图的块间布局；
子图布局步骤：使用力引导模型对子图分别布局，得到最优的子图布局；
拼接步骤：根据子图的块间布局对子图进行拼接，得到初期成图；
调整步骤：根据力引导模型对初期成图的布局进行调整，得到最优的全图布局。


2.根据权利要求1所述的基于分割绘图法的网络布局方法，其特征在于，所述图分割步骤：
预处理子步骤：对原始数据进行预处理，暂时去除度为0的节点；
分割子步骤：使用启发式算法对全图进行分割，根据网络中节点在结构上的相似性将全图分割为多个节点数不等的子图；
存储子步骤：将分割完的子图以预设格式存储。


3.根据权利要求1所述的基于分割绘图法的网络布局方法，其特征在于，所述块间布局步骤包括：
引力计算子步骤：根据图布局算法两节点之间的引力公式计算分割完成后任意两个子图之间的引力；
斥力计算子步骤：根据图布局算法两节点之间的斥力公式计算分割完成后任意两个子图之间的斥力；
融合子步骤：根据计算得到的引力、斥力，对子图之间的边进行融合，对子图内的度进行等效，得到子图的块间布局初始图；
布局子步骤：使用图布局算法对块间布局初始图进行布局，得到子图的块间布局，并以预设格式存储。


4.根据权利要求1所述的基于分割绘图法的网络布局方法，其特征在于，所述子图布局步骤包括：
并行化子步骤：采用图布局算法对多个子图进行并行布局，一个进程负责一个子图的布局；
存储子步骤：在图布局算...

【专利技术属性】
技术研发人员：李琦，亓杰星，傅洛伊，王新兵，陈贵海，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31