[論文レビュー] Dynamic Multilevel Graph Visualization

Todd L. Veldhuizen|ArXiv.org|Dec 10, 2007

Data Visualization and Analytics参考文献 16被引用数 10

ひとこと要約

本稿では、リアルタイムでの頂点およびエッジの更新に対応し、滑らかで応答性の高いレイアウトを維持する動的マルチレベル力描画グラフ可視化システムを提示する。複数のグラフ粗さレベルを並列にシミュレートし、結合されたダイナミクスと進化するアフィン変換による適応的プロジェクションを用いることで、予測不可能な変更に対しても高速な収束と視覚的に安定した軌道を達成する。

ABSTRACT

We adapt multilevel, force-directed graph layout techniques to visualizing dynamic graphs in which vertices and edges are added and removed in an online fashion (i.e., unpredictably). We maintain multiple levels of coarseness using a dynamic, randomized coarsening algorithm. To ensure the vertices follow smooth trajectories, we employ dynamics simulation techniques, treating the vertices as point particles. We simulate fine and coarse levels of the graph simultaneously, coupling the dynamics of adjacent levels. Projection from coarser to finer levels is adaptive, with the projection determined by an affine transformation that evolves alongside the graph layouts. The result is a dynamic graph visualizer that quickly and smoothly adapts to changes in a graph.

研究の動機と目的

• 頂点およびエッジが予測不能に追加または削除される動的グラフのリアルタイムでインタラクティブな可視化を可能にすること。
• レイアウト更新中の頂点の滑らかな視覚的軌道を保証し、ぎこちないまたは急激な動きを回避すること。
• グラフ変更後も迅速に安定化し、高品質で美的に魅力的なレイアウトを維持すること。
• 複数の抽象化レベル間で構造的類似性を保つ効率的な動的粗化アルゴリズムを開発すること。
• 粗いグラフから細かいグラフへとレイアウトのガイダンスが迅速に伝播するように、複数レベル間でダイナミクスを結合すること。

提案手法

• ランダムでラスベガス方式の粗化アルゴリズムを用いて、動的グラフにマルチレベル力描画レイアウトを適応させる。
• すべてのグラフレベルを同時に物理ベースのダイナミクスでシミュレートし、頂点を慣性を持つ点粒子として扱い、滑らかな運動を保証するための減衰を導入する。
• 粗いグラフの頂点を慣性基準フレームとして用い、細かいグラフのレイアウトをガイドすることで、レイアウトアドバイスの迅速な伝播を実現する。
• 粗いグラフから細かいグラフへの適応的アフィンプロジェクションを採用し、変換が動的に進化して最小二乗誤差を最小化する。
• 粗いレベルのキャンセル運動への反応を防ぐために、レベル間で時間膨張を導入する。
• O(de^{2d})の期待計算量で更新を達成できるように、最大ヒープを用いた優先度キューを活用し、動的粗化中のエッジ挿入・削除を効率的に管理する。

実験結果

リサーチクエスチョン

• RQ1 マルチレベル力描画レイアウトは、グラフ構造のオンラインで予測不能な変更をサポートするためにどのように適応可能か？
• RQ2 頂点およびエッジの更新下で、粗いグラフ表現の維持を効率的に行うための動的粗化戦略は何か？
• RQ3 複数レベルにわたるレイアウトダイナミクスをどのように結合すれば、アニメーション中に滑らかで視覚的に一貫した軌道を実現できるか？
• RQ4 グラフ変更後に迅速な安定化と即時の視覚的フィードバックを実現するためのメカニズムは何か？
• RQ5 動的進化中に、粗いグラフから細かいグラフへのプロジェクションをどのように適応的かつ安定的に実現できるか？

主な発見

• 動的粗化アルゴリズムは、有界次数のグラフに対して、エッジの挿入または削除ごとにO(1)の期待時間で粗いバージョンを維持する。
• 慣性と減衰を伴うダイナミクスシミュレーションにより、勾配ベース手法で一般的なジグザグ運動を回避し、滑らかな頂点軌道を実現する。
• 頂点位置と併行して進化する適応的アフィンプロジェクションは、構造的関係を保持する最小二乗フィットに収束する。
• 任意のエッジから到達可能な頂点数の期待値は、最大次数kに対してe^kで有界であり、グラフサイズに依存しないスケーラビリティを保証する。
• 本手法は、エラーズ＝レニー確率的グラフにおける巨大成分の出現や、2分木の挿入といったリアルタイムのグラフダイナミクスを効果的に可視化する。
• 6つの静的レベルと3つの動的レベルまで実用的な有効性を示すが、それ以上のレベルではマルチレベルダイナミクスにおける数値的安定性の問題が生じる。