CN113127697A

CN113127697A - 图布局优化方法和系统、电子设备及可读存储介质

Info

Publication number: CN113127697A
Application number: CN202110340361.0A
Authority: CN
Inventors: 王建民; 沈恩亚; 太志伟; 宋怡然; 沈磊贤
Original assignee: Tsinghua University
Current assignee: Tsinghua University
Priority date: 2021-03-30
Filing date: 2021-03-30
Publication date: 2021-07-16
Anticipated expiration: 2041-03-30
Also published as: CN113127697B

Abstract

本发明提供一种图布局优化方法和系统、电子设备及可读存储介质，其中优化方法包括：基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。本发明通过将图嵌入得到的特征向量转化为矩阵的方法，将图嵌入得到的反映节点高维特征的节点特征向量融入布局过程中，通过使用这样的信息辅助布局过程，优化布局效果，生成更有实际应用意义的布局结果。

Description

图布局优化方法和系统、电子设备及可读存储介质

技术领域

本发明涉及计算机可视化图布局领域，尤其涉及一种图布局优化方法和系统、电子设备及可读存储介质。

背景技术

图可视分析是图的一个较为重要的应用方面，具有拓扑结构的图经过绘制后，可以较为直观地传达出其中的信息，而图布局是图可视分析的基础，恰当的节点位置为其他表达图的内涵的方式提供了空间。由于图具有的信息对于人脑来说较为复杂，若简单地、不加处理地绘制出所有的节点和边，得到的结果是难以产生分析价值的，而对于具有节点属性等额外信息的图来说，这样的问题更为突出。

针对不同的图分析应用场景，可能会有特别需求的布局方式，如地理位置图等，但通常而言，存在较为普适的布局算法，可以对一般的图进行布局。这些布局算法中，基于力导向的布局是一个大类，这类算法通常具有由于其良好的有效性和可扩展性，因此应用较为广泛，有许多布局算法都使用了力导向的原理。但大多数基于力导向的布局算法存在一个比较明显的问题，只使用了图的拓扑结构关系进行布局。这一问题导致很多情况下这类布局算法无法利用图中更高维度的信息，只关注到局部结构，从而在对较大规模图进行布局时产生节点分布过于密集和平均的问题，布局效果不佳。

发明内容

本发明提供一种图布局优化方法和系统、电子设备及可读存储介质，用以解决现有技术中存在的技术缺陷。

本发明提供一种图布局优化方法，包括：

基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；

基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；

对节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；

采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。

根据本发明提供的图布局优化方法，所述基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵包括：

将目标图采用图嵌入生成节点特征向量，对每两个节点特征向量进行一次欧式距离计算，将得到的欧式距离按节点顺序进行排列得到节点矩阵，对所述节点矩阵进行进行归一化，得到相似度矩阵。

根据本发明提供的图布局优化方法，所述基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵包括：

将赋予第一权重的所述相似度矩阵、赋予第二权重的所述原始邻接矩阵带权相加，并进行归一化，得到第一邻接矩阵。

根据本发明提供的图布局优化方法，所述基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵包括：

基于聚类结果，将同一类节点间对应的矩阵值小于第一截断阈值的部分置为零；将不同类节点间对应的矩阵值小于第二截断阈值的部分置为零，得到第二邻接矩阵；其中，所述第二截断阈值大于所述第一截断阈值。

本发明提供了一种图布局优化系统，包括：

相似度矩阵确定模块，用于基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；

第一邻接矩阵确定模块，用于基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；

聚类处理模块，用于对节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；

布局优化模块，用于采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。

根据本发明提供的图布局优化系统，所述相似度矩阵确定模块包括：

欧式距离计算单元，用于将目标图采用图嵌入生成节点特征向量，对每两个节点特征向量进行一次欧式距离计算；

排序归一化单元，用于将得到的欧式距离按节点顺序进行排列得到节点矩阵，对所述节点矩阵进行进行归一化，得到相似度矩阵。

根据本发明提供的图布局优化系统，所述第一邻接矩阵确定模块包括：

加权单元，用于将赋予第一权重的所述相似度矩阵、赋予第二权重的所述原始邻接矩阵带权相加；

归一化处理单元，用于对带权相加后的进行归一化，得到第一邻接矩阵。

根据本发明提供的图布局优化系统，所述布局优化模块包括：

聚类单元，用于对节点特征向量进行聚类，得到节点的聚类结果；

损失层处理单元，用于基于聚类结果，将同一类节点间对应的矩阵值小于第一截断阈值的部分置为零；将不同类节点间对应的矩阵值小于第二截断阈值的部分置为零，得到第二邻接矩阵；其中，所述第二截断阈值大于所述第一截断阈值。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述图布局优化方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述图布局优化方法的步骤。

本发明提供的图布局优化方法，通过将图嵌入得到的特征向量转化为矩阵的方法，将图嵌入得到的反映节点高维特征的节点特征向量融入布局过程中，使得图嵌入过程得到的节点特征信息可以用于改进布局结果，通过使用这样的信息辅助布局过程，从而解决一般的布局方法具有的问题，优化布局效果，生成更有实际应用意义的布局结果。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的图布局优化方法的流程示意图；

图2是本发明一实施例提供的图布局优化系统的示意图；

图3是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图布局是图可视分析的基础，恰当的节点位置为其他表达图的内涵的方式提供了空间。由于图具有的信息对于人脑来说较为复杂，若不加处理地绘制出所有的节点和边，得到的结果难以产生分析价值，而对于具有额外信息如节点属性的图来说，这样的问题更为突出。

针对不同的图分析应用场景，可能会有特别需求的布局方式，如地理位置图等，但大多数布局算法存在一个比较明显的问题，只使用了图的拓扑结构关系进行布局。这一问题导致很多情况下布局算法无法利用图中更高维度的信息，只关注到局部结构的布局效果，从而在对较大规模图进行布局时产生节点分布过于平均的问题，布局效果不佳。本发明则希望通过将嵌入得到的反映节点高维特征的节点特征向量融入布局过程中，使用这样的信息辅助布局过程，从而解决一般的布局算法具有的问题，优化大部分布局算法的布局效果。

基于此，本发明实施例公开了一种图布局优化方法，参见图1，包括：

S1：基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；

图嵌入(Graph Embedding，也叫Network Embedding)是一种将图数据(通常为高维稠密的矩阵)映射为低微稠密向量的过程，图嵌入是将属性图转换为向量或向量集，能够很好地解决图数据难以高效输入机器学习算法的问题。其中，嵌入是压缩的表示。嵌入应该捕获图的拓扑结构、顶点到顶点的关系以及关于图、子图和顶点的其他相关信息。更多的属性嵌入编码可以在以后的任务中获得更好的结果。嵌入比原始邻接矩阵更实用，因为它们将节点属性打包到一个维度更小的向量中。向量运算比图形上的可比运算更简单、更快。

每两个节点的特征向量进行一次欧式距离计算，将计算结果按节点顺序进行排列得到矩阵，对该矩阵进行归一化，最终可以得到一个反映节点间相似度的相似度矩阵。

欧式距离也称欧几里得距离，是最常见的距离度量，衡量的是多维空间中两个点之间的绝对距离。

也可以理解为：m维空间中两个点之间的真实距离，或者向量的自然长度(即该点到原点的距离)。在二维和三维空间中的欧氏距离就是两点之间的实际距离。

S2：基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；

原始邻接矩阵描述图中节点之间的连接。它是一个|V|x|V|矩阵，其中|V|是图中节点的个数。矩阵中的每一列和每一行表示一个节点。矩阵中的非零值表示两个节点相连。使用原始邻接矩阵作为大型图的特征空间几乎是不可能的。假设一个图有1M个节点和一个1M x 1M的原始邻接矩阵。

首先使用S1中的生成方法得到相似度矩阵，再将相似度矩阵与邻接矩阵进行带权加和以及归一化，得到特征邻接矩阵。该矩阵融合了节点的基本结构信息和高维特征信息，有边连接或特征向量相近的节点间，在特征邻接矩阵中会有较高的值，从而在同一个矩阵中表达更丰富的相似性信息。通过控制融合中相似度矩阵与原始邻接矩阵的不同权重，可以使得第一邻接矩阵更倾向于反映属性相似等特征信息或连接性等拓扑结构信息。带权加和中，相似度矩阵和原始邻接矩阵各自被赋予了权重，这两个权重参数控制着第一邻接矩阵的倾向，相似度矩阵的权重更高时，第一邻接矩阵更倾向于反映节点属性相似等特征，而原始邻接矩阵的权重更高时，第一邻接矩阵更倾向于反映图原本的拓扑结构特征。

S3：对节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；

首先使用现有的特征向量聚类分析技术对节点特征向量进行聚类计算，为每个节点计算出其所属的类别；其次使用一个损失层处理该矩阵中的每个值，若矩阵值小于一个截断阈值，则置为零，否则忽略。在损失层的运算中，同一类节点间对应的矩阵值应用较低的截断阈值，而不同类节点间对应的矩阵值应用较高的截断阈值。

S4：采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。

使用第二邻接矩代替原始邻接矩阵进行布局计算，得到最终的布局结果。对于经过损失层处理的第二邻接矩阵，在应用布局算法进行布局计算时使用该矩阵代替原始邻接矩阵，得到节点的最终布局结果。这样的布局结果相比于使用原始邻接矩阵的布局结果，更相似的节点会更加靠近，同时保持了布局方法的布局风格。

本发明实施例通过将图嵌入得到的特征向量转化为矩阵的方法，将图嵌入得到的反映节点高维特征的节点特征向量融入布局过程中，使得图嵌入过程得到的节点特征信息可以用于改进布局结果，通过使用这样的信息辅助布局过程，从而解决一般的布局方法具有的问题，优化布局效果，生成更有实际应用意义的布局结果。

本发明实施例提出了一种基于嵌入的图布局优化技术。该技术实现了节点的高维特征向量和图拓扑结构在布局计算过程中的结合，优化了布局效果。这一技术的主要内容为第一邻接矩阵的生成方法。各种图布局方法一般是针对图的拓扑结构进行布局的生成，使用图的原始邻接矩阵作为输入，输出各个节点的坐标，而在这样的布局过程中，节点的属性或者相似性等更高维度的特征信息难以被直接处理。应用图嵌入技术可以提取图中元素的特征，为每个节点生成高维特征向量，之后再使用本发明中的第一邻接矩阵生成方法，将节点的特征向量和图的原始邻接矩阵结合，计算得到第一邻接矩阵。第一邻接矩阵与原始邻接矩阵具有相同的结构，可以替换原始邻接矩阵进行布局计算。这样的布局结果具有较好的聚类效果，特征向量相似的节点更倾向于在布局中靠近，以此对原有的布局效果进行改进。

进一步的，所述基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵包括：

也就是说，对于图嵌入技术生成的节点特征向量，通过两两计算向量距离并归一化得到相似度矩阵，其中若某两个节点相邻或具有相似属性，则这两个节点在矩阵中会对应着较高的相似度值。

对于相似度矩阵和图的原始邻接矩阵，应用带权加和以及归一化计算，得到第一邻接矩阵。带权加和中，相似度矩阵和原始邻接矩阵各自被赋予了权重，这两个权重参数控制着第一邻接矩阵的倾向，相似度矩阵的权重更高时，第一邻接矩阵更倾向于反映节点属性相似等特征，而原始邻接矩阵的权重更高时，第一邻接矩阵更倾向于反映图原本的拓扑结构特征。

对于图嵌入得到的特征向量和第一邻接矩阵，首先使用如K-Means等聚类分析方法对特征向量进行聚类分析计算，得到节点的分类结果。之后聚类的结果和特征邻接矩阵使用一个损失层进行处理，在第一邻接矩阵中按照截断阈值和聚类结果保留矩阵值；从而得到第二邻接矩阵。

本发明实施例公开了一种图布局优化系统，参见图2，包括：

相似度矩阵确定模块10，用于基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；

第一邻接矩阵确定模块20，用于基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；

聚类处理模块30，用于对节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；

布局优化模块40，用于采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。

根据本发明提供的图布局优化系统，所述相似度矩阵确定模块10包括：

根据本发明提供的图布局优化系统，所述第一邻接矩阵确定模块20包括：

根据本发明提供的图布局优化系统，所述布局优化模块40包括：

图3示例了一种电子设备的实体结构示意图，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行一种图布局优化方法，该方法包括：

此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行一种图布局优化方法，该方法包括：

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行一种图布局优化方法，该方法包括：

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种图布局优化方法，其特征在于，包括：

2.根据权利要求1所述的图布局优化方法，其特征在于，所述基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵包括：

3.根据权利要求1所述的图布局优化方法，其特征在于，所述基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵包括：

4.根据权利要求1所述的图布局优化方法，其特征在于，所述基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵包括：

5.一种图布局优化系统，其特征在于，包括：

6.根据权利要求5所述的图布局优化系统，其特征在于，所述相似度矩阵确定模块包括：

7.根据权利要求5所述的图布局优化系统，其特征在于，所述第一邻接矩阵确定模块包括：

8.根据权利要求5所述的图布局优化系统，其特征在于，所述布局优化模块包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述的图布局优化方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述的图布局优化方法的步骤。