时间： 2018年04月19日 09：30
地点： 基础教学楼B座318实验室
研读成员： 彭第
研读内容：
[1] Lu B, Zhu M, He Q, et al. TMNVis: Visual Analysis of Evolution in Temporal Multivariate Network at Multiple Granularities[J]. Journal of Visual Languages & Computing, 2017.
[2] 陆斌斌. 多变元网络演变可视分析系统的设计与实现[D]. 四川大学, 2017.
论文简介：
什么是多变元网络?它并不是传统意义上的网络，而是一种数据类型，主要具有网络结构、节点和边包含多种属性、时序变化三个数据特点。
以合作者网络数据为例，个体包含了姓名，所在机构，发表量，合作者数量等属性，合作关系包含了类型，合作强度等属性。同时网络的拓扑结构以及节点和边的属性都有可能随时间发生变化，具备动态性。
多变元网络数据无处不在，它包含了网络结构信息、多变元信息以及时序演化信息。如何全面、直观地分析这类数据对各个领域而言都具有重大的应用价值。同时，也因为其复杂的数据特性，给数据分析人员带来了巨大的挑战。这两篇文章设计并实现了不同的多变元网络演变可视分析系统，结合了人和机器智能，能够直观有效地挖掘该多变元网络的演变规律。
第一篇论文的主要贡献包括以下三点：
- 提出了一个交互式可视化系统，探索了时序多变元网络的演化时，提出了群体（Group）、子群（Subgroup）、个体（Individual）三个维度。
- 在子群维度设计了一种新颖的子群视图，在个体维度设计了一种融合多个子视图的基于时间轴的可视化方法。
- 在真实的学术合作者网络数据上进行了case study，证明了TMNVis的有效性。
第二篇论文的主要贡献包括以下三点：
- 构建了多变元网络演变可视化分析模型。为交互式探索多变元网络演变提供了思路，并为可视分析系统的设计与实现提供了指导。
- 提出了一种基于社区划分及层次渐进的网络可视化方法。该方法从拓扑的角度探索群体网络，为特定的布局能够有效凸显拓扑特征，分层展示的方式一定程度上解决节点较多时空间拥挤以及渲染慢的问题，且通过阴影设计显性表明是否还有未显示信息。
- 提出了一种垂直堆叠可调的网络可视化方法。该方法充分利用了有限可视空间，结合灵活的布局以及可视重编码技术，为探索小规模个体中心网络演化提供了手段。
实验室在一段时间里，曾有多位师兄师姐关注多变元网络这个研究领域，我们在这个领域有过持续的产出。本次分享的这两篇论文来自于14级陆斌斌师兄，其中第一篇小论文是第二篇学位论文的基础。希望通过本次分享，跟大家一起了解前辈们做过的研究，并快速入门这个可视化的细分领域。