DATA VIS Lab—Network visualization（1）周结

@DATA VIS Lab—Network visualization（1）

第四周
2019.9.25

基于社团结构节点重要性的网络可视化压缩布局

*（论文来源于万方数据库，转载请附上原文出处链接和本声明）
Idea：

1.本文中的一个创新点在于将力导引布局算法与网络社团结构特征相结合，提出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（Compression Layout Method for Network Visualization Based on the
Node Importance for CommunityStructure）。该方法首先采用 Louvain 算法对网络进行多粒度社团结构划分；然后，计算社团结构中节点的拓扑势评估社团结构内部的节点重要性，并将社团内部节点分为 3 类，通过保留社团中的重要节点，合并边缘节点，实现社团结构压缩。

文中提到的几个算法：
2. KK（Kamada-Kawai）算法 [8] 在弹簧模型的基础上引入胡克定律，根据节点受力状态计算系统能量，将节点最优布局问题转化为系统能量最小化的求解问题，使布局过程的收敛速度有了明显的增加。

3. DH（Davidson-Harel）算法中考虑了节点位置、连边长度和连边交叉等多种美学标准的约束来构建能量函数，通过能量函数模型参数可达到不同的