JP6616893B2 - ネットワークトポロジー自己適応性データ可視化方法及び装置 - Google Patents

Description

（関連出願の相互参照）
本特許出願は、出願日が２０１６年１２月２９日であり、出願番号が２０１６１１２４９５１１．２であり、名称が「ネットワークトポロジー自己適応性データ可視化方法及び装置」である中国発明特許出願を基礎とし、それに加えて、その優先権を要求する。

（技術分野）
本発明は、データ可視化の技術分野に関し、特にネットワークトポロジー自己適応性データ可視化方法、装置、設備及び記憶媒体に関する。

データ可視化は、コンピューターグラフィックスを利用して視覚画像を構築することによって、人々が実際生活における規模が比較的大きく、構造が比較的複雑である科学的結果又は概念を理解するのを手伝う。複雑なネットワーク研究にとって、可視化技術が特に重要で、複雑なネットワークデータ又はモデルを表現したり、又は解釈したりして、更にその中から各種のモード、特徴と関係を発見することに役立つ。

現行のデータ可視化プロセスは、主に専門的なソフトウェア・ツールを使用して複雑なデバッキングとパラメータ配置を実施してから、直観的な可視化結果に対して目標探索を行うことである。現行のデータ可視化プロセスにおいて、専門人員は、ノード色、ノードのサイズ及びネットワーク形状等に対する調整を含んでいる繁雑なデータ調整作業を実施しなければならないので、作業量が大きく、且つ繁雑である。データ更新後、専門人員は、改めてデータ調整作業を実施しなければならないので、重なる作業が多く、且つ繁雑で、データの同期更新を実現できない。その上、現行のデータ可視化プロセスにノードの重複が存在しているので、一部分のノードが完全に現されなく、これにより、トポロジー構造がはっきりとしない現象が発生し、手動で重複排除処理を実施しなければならないので、作業量が大きく繁雑で、データ可視化効率の向上に不利である。

本発明が解決しようとする課題は、ネットワークトポロジー自己適応性データ可視化方法、装置、設備及び記憶媒体を提供することによって、既存のデータ可視化プロセスにおいて手動で繁雑なデータ調整作業を実施しなければならない問題を解決することである。

前記問題を解決する為に本発明で採用する技術案は、下記の通りである。

第一態様において、本発明は、
ノードに対して前処理を行って、前処理ノードを出力すること；
力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成すること；
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力すること；
前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成することを含む、ネットワークトポロジー自己適応性データ可視化方法を提供する。

第二態様において、本発明は、
ノードに対して前処理を行って、前処理ノードを出力するためのノード前処理ユニット；
力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成するための初期ネットワークトポロジー図形成ユニット；
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力するための重複排除処理ユニット；
前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成するための目標ネットワークトポロジー図形成ユニットを含む、ネットワークトポロジー自己適応性データ可視化装置を提供する。

第三態様において、本発明は、プロセッサ及びメモリーを含み、前記メモリーにコンピューター実行可能な指令を記憶しており、前記プロセッサが前記コンピューター実行可能な指令を実行することによって、
ノードに対して前処理を行って、前処理ノードを出力するステップ；
力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成するステップ；
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力するステップ；
前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成するステップを実行する、ネットワークトポロジー自己適応性データの可視化設備を提供する。

第四態様は、一つ又は複数のコンピューター可読指令を記憶しており、一つ又は複数のプロセッサで前記コンピューター可読指令を実行することによって、前記一つ又は複数のプロセッサに、ネットワークトポロジー自己適応性データ可視化方法を実行させる、非揮発性コンピューター可読記憶媒体である。

従来技術と比較して、本発明の利点は下記の通りである。本発明により提供されたネットワークトポロジー自己適応性データ可視化方法、装置、設備及び記憶媒体によれば、データ可視化の自動化を実現し、データ可視化処理フローを簡素化することができ、手動介入が必要ないので、手動介入コストを有効に節約し、それに加えて、処理効率を向上させることができる。その上、当該ネットワークトポロジー自己適応性データ可視化方法、装置、設備及び記憶媒体において、重複した点の前処理ノードに対して重複排除処理を行うことによって、ノード間の重複現象を取り除くので、各ノードをいずれも完全に現すことができる。最終的に形成する目標ネットワークのトポロジー図の構造を明らかにして、展示能力が強くなる。その上、当該ネットワークトポロジー自己適応性データ可視化方法、装置、設備及び記憶媒体において、データ同期更新の自動化を実現でき、ビジネス・ニーズの分析と探索が実時間性を有することになる。

次に、添付図面及び実施形態を合わせて本発明を更に説明する。

本発明の第一実施形態におけるネットワークトポロジー自己適応性データ可視化方法の一つのフローチャートである。 図１に示すようなネットワークトポロジー自己適応性データ可視化方法におけるステップＳ１の一つの具体的なフローチャートである。 図１に示すようなネットワークトポロジー自己適応性データ可視化方法におけるステップＳ３の一つの具体的なフローチャートである。 本発明の第二実施形態におけるネットワークトポロジー自己適応性データ可視化装置の一つの原理ブロック図である。 図４におけるネットワークトポロジー自己適応性データ可視化装置の一つの具体的な原理ブロック図である。 本発明の第三実施形態におけるネットワークトポロジー自己適応性データ可視化設備の一つの模式図である。

本発明の技術的特徴、目的及び効果を一層明確に理解する為に、次に、添付図面と照合して本発明の具体的な実施様態を詳細に説明する。

第一実施形態
図１に、本発明の第一実施形態におけるネットワークトポロジー自己適応性データ可視化方法のフローチャートを示す。当該ネットワークトポロジー自己適応性データ可視化方法は、データ可視化用の専門的なソフトウェアツールが取り付けられているネットワークトポロジー自己適応性データ可視化設備で実行することができる。ここで、専門的なソフトウェアツールは、Ｇｅｐｈｉという複雑なネットワーク分析ソフトウェアであってもよく、主に各種のネットワークと複雑なシステムに用いられ、動態図と層状グラフに用いられるインタラクティブな可視化と探測のオープンソース・ツールである。図１に示すように、当該ネットワークトポロジー自己適応性データ可視化方法は、下記のステップを含む。

Ｓ１：ノードに対して前処理を行って、前処理ノードを出力する。
本実施形態において、Ｇｅｐｈｉネットワークツールで、ノードに対して前処理を行って、ｇｅｘｆファイルフォーマットというファイルフォーマットである前処理ノードを出力している。図２に示すように、ステップＳ１は具体的に下記のステップを含む。

Ｓ１１：各ノードのノード色とノードのサイズを取得する。
即ち、各ノードに、ｃｏｌｏｒ＿ｔ属性とｓｉｚｅ＿ｔ属性を追加する。次に示すように、ｖａｌｕｅを、実際のビジネスシナリオによって自主的に設定してもよい。それに加えて、当該ノードのｃｏｌｏｒ＿ｔ属性とｓｉｚｅ＿ｔ属性の値によって、各ノードのノード色とノードのサイズを生成する。
＜ｎｏｄｅ ｉｄ＝”１”＞
＜ａｔｔｖａｌｕｅｓ＞
＜ａｔｔｖａｌｕｅ ｆｏｒ＝”ｃｏｌｏｒ＿ｔ” ｖａｌｕｅ＝”５”／＞
＜ａｔｔｖａｌｕｅ ｆｏｒ＝”ｓｉｚｅ＿ｔ” ｖａｌｕｅ＝”１”／＞
＜／ａｔｔｖａｌｕｅｓ＞
＜／ｎｏｄｅ＞

本実施形態において、当該ネットワークトポロジー自己適応性データ可視化方法を実行する専門的なソフトウェア・ツールは、Ｇｅｐｈｉである。取得した各ノードのノード色とノードのサイズは、いずれもｇｅｘｆファイルフォーマットを有する。Ｇｅｐｈｉは、優れた複雑なネットワーク分析ソフトウェアであり、多種のフォーマットのファイルの導入をサポートする。ｇｅｘｆフォーマットは、Ｇｅｐｈｉによって推奨されるフォーマットであり、ＧＥＸＦ（Ｇｒａｐｈ Ｅｘｃｈａｎｇｅ ＸＭＬ Ｆｏｒｍａｔ）言語で作成された図表ファイルである。ＧＥＸＦ言語は、ネットワーク構造を記述する言語であり、ノードと辺との関係図及びユーザによって定義された属性を指定するためのものである。

Ｓ１２：各ノードのノード色とノードのサイズに対してデータ標準化を行って、各ノードの標準化値を取得する。

ここで、データ標準化（ｎｏｒｍａｌｉｚａｔｉｏｎ）とは、データを比例的に拡大縮小することによって、数値を小さい特定な区間に入らせることを指す。その目的としては、データの単位制限を除去することによって、これを無次元量の純数値に転換し、これで、異なる単位や等級の指標を比較して重み付けすることができるようにする。

本実施形態において、各ノードのノード色に対応したｃｏｌｏｒ＿ｔ属性とノードのサイズに対応したｓｉｚｅ＿ｔ属性をソートした後、Ｚ−ｓｃｏｒｅ標準化（ｚｅｒｏ−ｍｅａｎ ｎｏｒｍａｌｉｚａｔｉｏｎ）処理を実施することによって、各ノードの標準化値を取得する。ここで、Ｚ−ｓｃｏｒｅ標準化とは、標準偏差の標準化ということである。これによって、処理後のデータが標準正規分布に合致し、即ち、平均値が０であり、標準偏差が１であるようにして、出力する標準化値に基づいて比較したり、重み付けしたりすることに便宜を図る。具体的にいうと、Ｚ−ｓｃｏｒｅ標準化の転換関数は、

であり、その中で、μがすべてのサンプルデータの平均値であり、σがすべての標準データの標準偏差である。

Ｓ１３：各ノードの標準化値と区切る閾値によって、ノードに対応した区間を確定し、それに加えて、ノードに対応した区間を、前処理ノードとして出力する。

ここで、区切る閾値は、データを複数の区間に区分することに用いられる。そして、ステップＳ１２で形成された各ノードの標準化値について、一つの特定な区間内で、各ノードの標準化値とあらかじめ設定された区切る閾値とを比較する。このことによって、当該ノードの標準化値が、区切る閾値によって確定されたどの区間内にあるかを確認することができる。それに加えて、当該ノードに対応した区間を、前処理ノードとして出力する。

Ｓ２：力指向レイアウトアルゴリズムを採用して、前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成する。

力指向レイアウトアルゴリズム（Ｆｒｕｃｈｔｅｒｍａｎ−Ｒｅｉｎｇｏｌｄアルゴリズムであり、ＦＲアルゴリズムと略称する）は、両ノードの間の物理モデルを豊かにし、二つのノードの間の静電気力を入れ、それに加えて、システムの総エネルギーを計算してエネルギーを最小化することによって、レイアウトの目的を達成する。力指向レイアウトアルゴリズムの計算式は、下記の通りである。

下記を含むスプリングモデルを採用して弾性ポテンシャルエネルギーを計算する。

弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算する。

その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表す。ｓ（ｉ，ｊ）がスプリングの自然な長さを表す。ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みである。Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである。

本実施形態において、まずスプリングモデルを採用して前処理ノードの弾性ポテンシャルエネルギーを計算する。それに加えて、計算した弾性ポテンシャルエネルギーに基づき、エネルギーモデルを採用して動力ポテンシャルエネルギーを計算する。計算した動力ポテンシャルエネルギーに基づき、前処理ノードに対して処理を行うことによって、初期ネットワークトポロジー図を形成する。

スプリングモデルであれ、エネルギーモデルであれ、そのアルゴリズムの本質は、一つのエネルギーの最適化の問題であり、差異が最適化関数の異なる組成である。最適化の対象は、引力と斥力の部分を含み、異なるアルゴリズムは、異なる引力と斥力の表現方式を有する。力指向レイアウトアルゴリズムは、理解し易く、実現が容易であり、殆どのネットワークデータセットに使用することができる。それに加えて、実現した効果は、良好な対称性と局所重合性を有する。

Ｓ３：初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力する。

力指向レイアウトアルゴリズムを採用して前処理ノードに対して処理を実施した後に形成する初期ネットワークトポロジー図に、ノードの重複が存在する可能性があるので、ノードの重複により、初期ネットワークトポロジー図構造がはっきりしなくなる状況を避ける為に、初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行うことによって、重複したノードを均一に分散させるようにする。本実施形態における重複排除ノードとは、重複した前処理ノードに対して重複排除処理を行った後に形成した重複しないノードを指す。図３に示すように、ステップＳ３は、具体的に下記のステップを含む。

Ｓ３１：初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得する。

初期ネットワークトポロジー図の中で、何れかの前処理ノードの位置を、その座標データに基いて確定することができる。任意の二つの前処理ノードの座標データが同じであり、即ち、ｘ座標とｙ座標がいずれも同じである場合、この二つの前処理ノードは重複している。

Ｓ３２：座標データが同じである前処理ノードを、キャッシュリストに入れる。

本実施形態において、座標データが（ｘ１，ｙ１）である前処理ノードが二つあり、座標データが（ｘ２，ｙ２）である前処理ノードが三つあり、座標データが（ｘ３，ｙ３）である前処理ノードが四つあり、……ある場合、座標データが同じである前処理ノードを、キャッシュリストに入れることは、座標データが同じである少なくとも二つの前処理ノードを、一つのキャッシュノードグループとして、さらに少なくとも一つのキャッシュノードグループを、キャッシュリストに入れる。

Ｓ３３：キャッシュリストをトラバースして、座標データが同じである二つの前処理ノードを選ぶ。二つの前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり差し引いたりすることによって、二つの更新ノードを形成することを、キャッシュリストに座標データが同じである前処理ノードがなくなるまで順に繰り返す。

ここで、ランダムな数は、ランダムに生成する非０数であり、ｋと仮設する。理解できるものとしては、ランダムな数ｋが０である場合、座標が同じである二つの前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり差し引いたりしても、二つの重複しない更新ノードを形成できない。

本実施形態において、座標データが（ｘ１，ｙ１）である前処理ノードをＡ、Ｂとする場合、二つの前処理ノードＡ、Ｂのｘ座標とｙ座標に対して、それぞれランダムな数ｋ１を加えたり差し引いたりすることによって、二つの更新ノードＡ’（ｘ１＋ｋ１，ｙ１＋ｋ１）とＢ’（ｘ１−ｋ１，ｙ１−ｋ１）を形成し、これで二つの前処理ノードＡとＢを、均一に分散させる。これと相応して、座標データが（ｘ２，ｙ２）である前処理ノードをＣ、Ｄ、Ｅとする場合、二つの前処理ノードＣ、Ｄのｘ座標とｙ座標に対して、それぞれランダムな数ｋ２を加えたり差し引いたりすることによって、二つの更新ノードＣ’（ｘ２＋ｋ２，ｙ２＋ｋ２）とＤ’（ｘ２−ｋ２，ｙ２−ｋ２）とを形成する。これで三つの前処理ノードＣ、ＤとＥ（ｘ２，ｙ２）を、均一に分散させる。座標データが（ｘ３，ｙ３）である前処理ノードをＦ、Ｇ、Ｈ、Ｉとする場合、前処理ノードＦ、Ｇのｘ座標とｙ座標に対して、それぞれランダムな数ｋ３を加えたり差し引いたりする。それに加えて、前処理ノードＨ、Ｉのｘ座標とｙ座標に対して、それぞれランダムな数ｋ４を加えたり差し引いたりすることによって、四つの更新ノードＦ’（ｘ３＋ｋ３，ｙ３＋ｋ３）、Ｇ’（ｘ３−ｋ３，ｙ３−ｋ３）、Ｈ’（ｘ３＋ｋ４，ｙ３＋ｋ４）とＩ’（ｘ３−ｋ４，ｙ３−ｋ４）を形成し、これで四つの前処理ノードＦ、Ｇ、ＨとＩを、均一に分散させる……キャッシュリストに座標データが同じである少なくとも二つの前処理ノードがなくなるまで、キャッシュリストにおける座標データが同じであるすべての前処理ノードをトラバースする。

Ｓ３４：更新ノードの座標データと同じである前処理ノードが存在しているか判断する。存在する場合、更新ノードと前処理ノードを、前記キャッシュリストに入れる。存在していない場合、更新ノードを、重複排除ノードとして出力する。

キャッシュリストをトラバースすることによって形成する更新ノードは、キャッシュリストに入れられていないその他の前処理ノードと座標データが同じであることにより、依然としてノード重複現象が発生する可能性があるので、更新ノードの座標データと同じである前処理ノードが存在しているか判断する必要がある。存在する場合、更新ノードと前処理ノードを、一つのキャッシュノードグループとして、キャッシュリストに入れて、ステップＳ３３を実行する。存在していない場合、更新ノードを、重複排除ノードとして出力して、ステップＳ４を実行する。理解できるものとしては、初期ネットワークトポロジー図におけるキャッシュリストに入れられていないその他の前処理ノードも、重複排除ノードとして出力されることである。

Ｓ４：重複排除ノードに基づいて目標ネットワークトポロジー図を形成する。

具体的にいうと、当該ネットワークトポロジー自己適応性データ可視化方法を実行するコンピューターは、重複排除ノードを受信した後、ブラウザーにおいて、すべての重複排除ノードに基づいて目標ネットワークトポロジー図を表示することによって、データ可視化結果を展示する。バックグラウンドデータが更新される場合、ステップＳ１−Ｓ４に基いて再度計算することによって、ブラウザーに、最新データのデータ可視化結果を表示させる。従って、専門人員がデータ調整を実施しなくても、データの同期更新を実現できるようになり、コスト削減及びデータ可視化の処理効率の向上に有利である。

さらに、ステップＳ１で出力する前処理ノードのファイルフォーマットはｇｅｘｆファイルフォーマットである。それに加えて、ステップＳ２とＳ３において出力する初期ネットワークトポロジー図と重複排除ノードに対してファイルフォーマットの変換を実施しない為、その出力する重複排除ノードのファイルフォーマットは依然としてｇｅｘｆファイルフォーマットであるが、重複排除ノードに基づいて目標ネットワークトポロジー図を形成する過程中では、ｇｅｘｆファイルフォーマットのネットワーク伝送データ量が大きく、応答速度が緩い。

上述の問題を克服する為に、当該ネットワークトポロジー自己適応性データ可視化方法のステップＳ３とステップＳ４の間に、重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎというファイルフォーマットの重複排除ノードを出力することをさらに含む。ＪＳＯＮ（ＪａｖａＳｃｒｉｐｔ（登録商標） Ｏｂｊｅｃｔ Ｎｏｔａｔｉｏｎ）は、軽量級のデータ交換フォーマットである。ＪＳＯＮは、言語と完全に別なテキストフォーマットを採用しており、これらの特性により、ＪＳＯＮは理想的なデータ交換言語となり、人にとって読み易く、作成し易く、それに加えて、機械解析や生成しやすい優位性を持っている。

具体的にいうと、重複排除ノードのｇｅｘｆファイルフォーマッに対して解析を行うことによって、ノード（ｎｏｄｅ）情報と縁部（ｅｄｇｅ）情報を取得し、それに加えて、ノード（ｎｏｄｅ）情報と縁部（ｅｄｇｅ）情報を基づいてｊｓｏｎというファイルフォーマットの重複排除ノードを出力する。理解できるものとしては、ｇｅｘｆというファイルフォーマットの重複排除ノードをｊｓｏｎファイルフォーマットの重複排除ノードに変換することによって、ネットワーク伝送データ量を減少し、応答時間を速めることができ、データ可視化の処理効率の向上に有利である。

本実施形態で提供されたネットワークトポロジー自己適応性データ可視化方法によれば、データ可視化の自動化を実現し、データ可視化処理フローを簡素化することができ、手動介入が必要ないので、手動介入コストを有効に節約し、それに加えて、処理効率を向上することができる。その上、当該ネットワークトポロジー自己適応性データ可視化方法において、重複した点の前処理ノードに対して重複排除処理を行うことによって、ノード間の重複現象を取り除くので、各ノードがいずれも完全に現れることができ、最終的に形成する目標ネットワークのトポロジー図の構造を明らかにして、展示能力が強くなる。その上、当該ネットワークトポロジー自己適応性データ可視化方法において、データ同期更新の自動化を実現でき、ビジネス・ニーズ分析と探索が実時間性を有することにする。

第二実施形態
図４と図５は、本実施形態におけるネットワークトポロジー自己適応性データ可視化装置の原理ブロック図を示す。当該ネットワークトポロジー自己適応性データ可視化装置は、データ可視化用専門的なソフトウェアツールが取り付けられているネットワークトポロジー自己適応性データ可視化設備で実行されることができる。ここで、専門的なソフトウェアツールは、Ｇｅｐｈｉという複雑なネットワーク分析ソフトウェアであってもよく、主要に各種のネットワークと複雑なシステムに用いられ、動態図と層状グラフに用いられるインタラクティブな可視化と探測のオープンソース・ツールである。図４に示すように、当該ネットワークトポロジー自己適応性データ可視化装置は、ノード前処理ユニット１０と、初期ネットワークトポロジー図形成ユニット２０と、重複排除処理ユニット３０と、目標ネットワークトポロジー図形成ユニット４０とを含む。

ノード前処理ユニット１０は、ノードに対して前処理を行って、前処理ノードを出力することに用いられる。

本実施形態において、Ｇｅｐｈｉネットワークツールで、ノードに対して前処理を行って、ｇｅｘｆファイルフォーマットというファイルフォーマットである前処理ノードを出力している。図５に示すように、ノード前処理ユニット１０は、具体的にノード取得サブユニット１１と、データ標準化サブユニット１２と、前処理ノード取得サブユニット１３とを含む。

ノード取得サブユニット１１は、各ノードのノード色とノードのサイズを取得することに用いられる。

即ち、各ノードに、ｃｏｌｏｒ＿ｔ属性とｓｉｚｅ＿ｔ属性を追加する。次に示すように、ｖａｌｕｅを、実際ビジネスシナリオによって自主に設定してもよく、それに加えて、当該ノードのｃｏｌｏｒ＿ｔ属性とｓｉｚｅ＿ｔ属性の値によって各ノードのノード色とノードのサイズを生成する。
＜ｎｏｄｅ ｉｄ＝”１”＞
＜ａｔｔｖａｌｕｅｓ＞
＜ａｔｔｖａｌｕｅ ｆｏｒ＝”ｃｏｌｏｒ＿ｔ” ｖａｌｕｅ＝”５”／＞
＜ａｔｔｖａｌｕｅ ｆｏｒ＝”ｓｉｚｅ＿ｔ” ｖａｌｕｅ＝”１”／＞
＜／ａｔｔｖａｌｕｅｓ＞
＜／ｎｏｄｅ＞

本実施形態において、当該ネットワークトポロジー自己適応性データ可視化装置を実行する専門的なソフトウェア・ツールはＧｅｐｈｉであり、取得した各ノードのノード色とノードのサイズは、いずれもｇｅｘｆファイルフォーマットを有する。Ｇｅｐｈｉは、優れた複雑なネットワーク分析ソフトウェアであり、多種のフォーマットのファイルの導入をサポートする。ｇｅｘｆフォーマットは、Ｇｅｐｈｉによって推奨されるフォーマットであり、ＧＥＸＦ言語で作成された図表ファイルである。ＧＥＸＦ言語は、ネットワーク構造を記述する言語であり、ノードと辺との関係図及びユーザによって定義された属性を指定するためのものである。

データ標準化サブユニット１２は、各ノードのノード色とノードのサイズに対してデータ標準化を行って、各ノードの標準化値を取得することに用いられる。

ここで、データ標準化（ｎｏｒｍａｌｉｚａｔｉｏｎ）とは、データを比例的に拡大縮小することによって、数値が小さい特定な区間に入らせることを指す。その目的としては、データの単位制限を除去することによって、これを無次元量の純数値に転換し、これで、異なる単位や等級の指標を比較して重み付けすることができるようにする。

本実施形態において、各ノードのノード色に対応したｃｏｌｏｒ＿ｔ属性とノードのサイズに対応したｓｉｚｅ＿ｔ属性をソートした後、Ｚ−ｓｃｏｒｅ標準化（ｚｅｒｏ−ｍｅａｎ ｎｏｒｍａｌｉｚａｔｉｏｎ）処理を実施することによって、各ノードの標準化値を取得する。ここで、Ｚ−ｓｃｏｒｅ標準化とは、標準偏差の標準化ということであり、これによって、処理後のデータが標準正規分布に合致して、即ち、平均値が０であり、標準偏差が１であるようにして、出力する標準化値に基づいて比較したり、重み付けしたりすることに便宜を図る。具体的にいうと、Ｚ−ｓｃｏｒｅ標準化の転換関数であり、その中で、すべてのサンプルデータの平均値であり、すべての標準データの標準偏差である。

前処理ノード取得サブユニット１３は、各ノードの標準化値と区切る閾値によって、ノードに対応した区間を確定し、それに加えて、ノードに対応した区間を、前処理ノードとして出力することに用いられる。

ここで、区切る閾値は、データを複数の区間に区分することに用いられる。そして、データ標準化サブユニット１２を通じてデータ標準化を実施した後に形成した各ノードの標準化値について、一つの特定な区間内において、各ノードの標準化値とあらかじめ設定された区切る閾値を比較することによって、当該ノードの標準化値が、区切る閾値によって確定されたどの区間内にあるか確認できる。それに加えて、当該ノードに対応した区間を、前処理ノードとして出力する。

初期ネットワークトポロジー図形成ユニット２０は、力指向レイアウトアルゴリズムを採用して、前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成することに用いられる。

力指向レイアウトアルゴリズム（Ｆｒｕｃｈｔｅｒｍａｎ−Ｒｅｉｎｇｏｌｄアルゴリズムであり、ＦＲアルゴリズムと略称する）は、両ノードの間の物理モデルを豊かにし、二つのノードの間の静電気力を入れ、それに加えて、システムの総エネルギーを計算してエネルギーを最小化することによって、レイアウトの目的を達成する。力指向レイアウトアルゴリズムの計算式は、下記の通りである。

下記を含むスプリングモデルを採用して弾性ポテンシャルエネルギーを計算する。

弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算する。

その中で、ノードｉとｊについてｄ（ｉ，ｊ）で、二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである。

本実施形態において、まずスプリングモデルを採用して前処理ノードの弾性ポテンシャルエネルギーを計算する。それに加えて、計算した弾性ポテンシャルエネルギーに基づき、エネルギーモデルを採用して動力ポテンシャルエネルギーを計算し、計算した動力ポテンシャルエネルギーに基づき、前処理ノードに対して処理を行うことによって、初期ネットワークトポロジー図を形成する。

スプリングモデルであれ、エネルギーモデルであれ、そのアルゴリズムの本質は、一つのエネルギー最適化問題であり、差異が最適化関数の異なる組成である。最適化対象は引力と斥力の部分を含み、異なるアルゴリズムは、異なる引力と斥力の表現方式を有する。力指向レイアウトアルゴリズムは、理解し易くて実現が容易であり、殆どのネットワークデータセットに使用することができる。それに加えて、実現した効果は、良好な対称性と局所重合性を有する。

重複排除処理ユニット３０は、初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力することに用いられる。

力指向レイアウトアルゴリズムを採用して前処理ノードに対して処理を実施した後に形成する初期ネットワークトポロジー図に、ノードの重複が存在する可能性があるので、ノードの重複により、初期ネットワークトポロジー図構造がはっきりしなくなる状況を避ける為に、初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行うことによって、重複したノードを均一に分散させるようにする。本実施形態における重複排除ノードとは、重複した前処理ノードに対して重複排除処理を行った後に形成した重複しないノードを指す。図５に示すように、重複排除処理ユニット３０は具体的に座標データ取得サブユニット３１、データキャッシュサブユニット３２、ノード重複排除処理サブユニット３３と重複排除ノード出力サブユニット３４を含む。

座標データ取得サブユニット３１は、初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得することに用いられる。

初期ネットワークトポロジー図の中で、何れかの前処理ノードの位置を、その座標データに基いて確定することができる。任意の二つの前処理ノードの座標データが同じであり、即ち、ｘ座標とｙ座標がいずれも同じである場合、この二つの前処理ノードは重複している。

データキャッシュサブユニット３２は、座標データが同じである前処理ノードを、キャッシュリストに入れることに用いられる。

本実施形態において、座標データが（ｘ１，ｙ１）である前処理ノードが二つあり、座標データが（ｘ２，ｙ２）である前処理ノードが三つあり、座標データが（ｘ３，ｙ３）である前処理ノードが四つあり、……ある場合、座標データが同じである前処理ノードを、キャッシュリストに入れることは、座標データが同じである少なくとも二つの前処理ノードを、一つのキャッシュリストノードグループとして、さらに少なくとも一つのキャッシュリストノードグループを、キャッシュリストに入れる。

ノード重複排除処理サブユニット３３は、キャッシュリストをトラバースして、座標データが同じである二つの前処理ノードを選ぶ。二つの前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり差し引いたりすることによって、二つの更新ノードを形成することを、キャッシュリストに座標データが同じである前処理ノードがなくなるまで順に繰り返すことに用いられる。

ここで、ランダムな数は、ランダムに生成する非０数であり、ｋと仮設する。理解できるものとしては、ランダムな数ｋが０である場合、座標が同じである二つの前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり差し引いたりしても、二つの重複しない更新ノードを形成することができない。

本実施形態において、座標データが（ｘ１，ｙ１）である前処理ノードをＡ、Ｂとする場合、二つの前処理ノードＡ、Ｂのｘ座標とｙ座標に対して、それぞれランダムな数ｋ１を加えたり差し引いたりすることによって、二つの更新ノードＡ’（ｘ１＋ｋ１，ｙ１＋ｋ１）とＢ’（ｘ１−ｋ１，ｙ１−ｋ１）を形成し、これで二つの前処理ノードＡとＢを、均一に分散させる。これと相応して、座標データが（ｘ２，ｙ２）である前処理ノードをＣ、Ｄ、Ｅとする場合、二つの前処理ノードＣ、Ｄのｘ座標とｙ座標に対して、それぞれランダムな数ｋ２を加えたり差し引いたりすることによって、二つの更新ノードＣ’（ｘ２＋ｋ２，ｙ２＋ｋ２）とＤ’（ｘ２−ｋ２，ｙ２−ｋ２）を形成し、これで三つの前処理ノードＣ、ＤとＥ（ｘ２，ｙ２）を、均一に分散させる。座標データが（ｘ３，ｙ３）である前処理ノードをＦ、Ｇ、Ｈ、Ｉとする場合、前処理ノードＦ、Ｇのｘ座標とｙ座標に対して、それぞれランダムな数ｋ３を加えたり差し引いたりし、それに加えて、前処理ノードＨ、Ｉのｘ座標とｙ座標に対して、それぞれランダムな数ｋ４を加えたり差し引いたりすることによって、四つの更新ノードＦ’（ｘ３＋ｋ３，ｙ３＋ｋ３）、Ｇ’（ｘ３−ｋ３，ｙ３−ｋ３）、Ｈ’（ｘ３＋ｋ４，ｙ３＋ｋ４）とＩ’（ｘ３−ｋ４，ｙ３−ｋ４）を形成する。これにより、四つの前処理ノードＦ、Ｇ、ＨとＩを、均一に分散させる……キャッシュリストに座標データが同じである少なくとも二つの前処理ノードがなくなるまで、キャッシュリストにおける座標データが同じであるすべての前処理ノードをトラバースする。

重複排除ノード出力サブユニット３４は、更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、更新ノードと前処理ノードを、前記キャッシュリストに入れ、存在していない場合、更新ノードを、重複排除ノードとして出力することに用いられる。

キャッシュリストをトラバースすることによって形成する更新ノードは、キャッシュリストに入れられていないその他の前処理ノードと座標データが同じであることにより、依然としてノード重複現象が発生する可能性があるので、更新ノードの座標データと同じである前処理ノードが存在しているか判断する必要がある。存在する場合、更新ノードと前処理ノードを、一つのキャッシュリストノードグループとして、キャッシュリストに入れて、ノード重複排除処理サブユニット３３にジャンプする。存在していない場合、更新ノードを、重複排除ノードとして出力して、目標ネットワークトポロジー図形成ユニット４０にジャンプする。理解できるものとしては、初期ネットワークトポロジー図におけるキャッシュリストに入れられていないその他の前処理ノードも、重複排除ノードとして出力されることである。

目標ネットワークトポロジー図形成ユニット４０は、重複排除ノードに基づいて目標ネットワークトポロジー図を形成することに用いられる。

具体的にいうと、当該ネットワークトポロジー自己適応性データ可視化装置を実行するコンピューターは、重複排除ノードを受信した後、ブラウザーにおいて、すべての重複排除ノードに基づいて目標ネットワークトポロジー図を表示することによって、データ可視化結果を展示する。バックグラウンドデータが更新される場合、ノード前処理ユニット１０、初期ネットワークトポロジー図形成ユニット２０、重複排除処理ユニット３０と目標ネットワークトポロジー図形成ユニット４０に基づいて再度計算することによって、ブラウザーに、最新データのデータ可視化結果を表示させる。従って、専門人員がデータ調整を実施しなくても、データの同期更新を実現できるようになり、コスト削減及びデータ可視化の処理効率の向上に有利である。

さらに、ノード前処理ユニット１０が出力する前処理ノードのファイルフォーマットが、ｇｅｘｆファイルフォーマットである。それに加えて、初期ネットワークトポロジー図形成ユニット２０と重複排除処理ユニット３０が出力する初期ネットワークトポロジー図と重複排除ノードに対してファイルフォーマットの変換を実施しない為、その出力する重複排除ノードのファイルフォーマットが依然としてｇｅｘｆファイルフォーマットであるが、重複排除ノードに基づいて目標ネットワークトポロジー図を形成する過程中では、ｇｅｘｆファイルフォーマットのネットワーク伝送データ量が大きく、応答速度が緩い。

上述の問題を克服する為に、当該ネットワークトポロジー自己適応性データ可視化装置は、重複排除処理ユニット３０により出力された重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎというファイルフォーマットの重複排除ノードを出力し、それに加えて、ｊｓｏｎというファイルフォーマットの重複排除ノードを、目標ネットワークトポロジー図形成ユニット４０に送信するためのフォーマット変換ユニット５０をさらに含む。ＪＳＯＮ（ＪａｖａＳｃｒｉｐｔ（登録商標） Ｏｂｊｅｃｔ Ｎｏｔａｔｉｏｎ）は、軽量級のデータ交換フォーマットである。ＪＳＯＮは、言語と完全に別なテキストフォーマットを採用しており、これらの特性により、ＪＳＯＮは理想的なデータ交換言語となり、人にとって読み易く、作成し易く、それに加えて、機械解析や生成しやすい優位性を持っている。

具体的にいうと、重複排除ノードのｇｅｘｆファイルフォーマットに対して解析を行うことによって、ノード（ｎｏｄｅ）情報と縁部（ｅｄｇｅ）情報を取得する。それに加えて、ノード（ｎｏｄｅ）情報と縁部（ｅｄｇｅ）情報を基づいてｊｓｏｎというファイルフォーマットの重複排除ノードを出力する。理解できるものとしては、ｇｅｘｆというファイルフォーマットの重複排除ノードをｊｓｏｎファイルフォーマットの重複排除ノードに変換することによって、ネットワーク伝送データ量を減少し、応答時間を速めることができ、データ可視化の処理効率の向上に有利である。

本実施形態で提供されたネットワークトポロジー自己適応性データ可視化装置によれば、データ可視化の自動化を実現し、データ可視化処理フローを簡素化することができ、手動介入が必要ないので、手動介入コストを有効に節約し、それに加えて、処理効率を向上することができる。その上、当該ネットワークトポロジー自己適応性データ可視化装置において、重複した点の前処理ノードに対して重複排除処理を行うことによって、ノード間の重複現象を取り除くので、各ノードがいずれも完全に現れることができ、最終的に形成する目標ネットワークのトポロジー図の構造を明らかにして、展示能力が強くなる。その上、当該ネットワークトポロジー自己適応性データ可視化装置において、データ同期更新の自動化を実現でき、ビジネス・ニーズ分析と探索が実時間性を有することにする。

第三実施形態
図６は、本発明の第三実施形態におけるネットワークトポロジー自己適応性データ可視化設備の構造模式図である。具体的にいうと、図６の設備６００は携帯電話、タブレットパソコン、パーソナルデジタルアシスタント（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ、ＰＤＡ）及び／又は車載コンピュータ等のモバイル端末、又は卓上コンピュータ、サーバー等の端末であってもよい。図６に示すように、設備６００は、システムバスを通じて接続する無線周波（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ，ＲＦ）電気回路６０１と、メモリー６０２と、入力モジュール６０３と、表示モジュール６０４と、プロセッサ６０５と、オーディオ電気回路６０６と、ＷｉＦｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）モジュール６０７と、電源６０８を含む。

入力モジュール６０３と表示モジュール６０４は、設備６００のユーザインタラクション装置として、ユーザと設備６００との間のインタラクションを実現することに用いられる。例えば、ユーザによって入力されたデータ可視化要求を受信し、それに加えて、対応する前記目標ネットワークトポロジーを表示することによって、データ可視化操作を実現する。入力モジュール６０３は、ユーザによって入力されたデータ可視化要求を受信し、それに加えて、前記データ可視化要求を、前記プロセッサ６０５に送信することに用いられ、前記データ可視化要求が前記ノードを含む。前記プロセッサ６０５は、受信された前記データ可視化要求に基づいて目標ネットワークトポロジー図を取得し、それに加えて、前記目標ネットワークトポロジー図を、前記表示モジュール６０４に送信することに用いられる。表示モジュール６０４は、前記目標ネットワークトポロジー図を受信して表示することに用いられる。

幾つかの実施形態において、入力モジュール６０３は、ユーザによって入力された数字又は文字情報の受信及び設備６００のユーザ設定及び機能制御に関わる信号入力の生成に用いることができる。幾つかの実施形態において、当該入力モジュール６０３は、タッチパネル６０３１を含むことができる。タッチパネル６０３１は、タッチスクリーンとも称ばれ、ユーザによるその上又は付近におけるタッチ操作（例えば、ユーザが指、タッチペン等の如何なる適切な物体又は付属部品を使用してタッチパネル６０３１で行う操作）を収集し、それに加えて、事前に設定されたプログラムに基づいて、対応する接続装置を駆動することができる。必要に応じて、タッチパネル６０３１は、タッチ検出装置とタッチコントローラーという二つの部分を含む。ここで、タッチ検出装置は、ユーザのタッチ位置を検出し、それに加えて、タッチ操作による信号を検出してから、信号をタッチコントローラーに伝送する。タッチコントローラーはタッチ検出装置からタッチ情報を受信し、それに加えて、それを接触点の座標に変換してから、当該プロセッサ６０５に送信し、その上、プロセッサ６０５から送信されるコマンドを受信して実行することができる。この他、抵抗膜方式、静電容量方式、赤外線方式及び表面弾性波等の多種のタイプを採用してタッチパネル６０３１を実現することができる。タッチパネル６０３１以外に、入力モジュール６０３がその他の入力設備６０３２を含んでも良い。その他の入力設備６０３２は物理的なキーボード、機能キー（例えば、音量制御ボタン、スイッチボタン等）、トラックボール、マウス、ジョイスティック等の一種又は多種を含むことができるが、これらに限らない。

理解できるものとしては、タッチパネル６０３１は表示パネル６０４１を被覆してタッチスクリーンを形成できるものである。当該タッチスクリーンは、その上又は付近のタッチ操作を検出すると、プロセッサ６０５に伝送してタッチイベントのタイプを確定する。続いてプロセッサ６０５は、タッチイベントのタイプによってタッチスクリーンにおいて対応する視覚出力を提供する。

理解できるものとしては、タッチパネル６０３１が表示パネル６０４１を被覆してタッチスクリーンを形成できるものである。当該タッチスクリーンが、その上又は付近のタッチ操作を検定・測定すると、プロセッサ６０５に伝送してタッチイベントのタイプを確定する。それから、プロセッサ６０５が、タッチイベントのタイプによってタッチスクリーンにおいて相応な視覚出力を提供する。

タッチスクリーンは、アプリケーションプログラムインターフェース表示区及び常用コントロール表示区を含む。当該アプリケーションプログラムインターフェース表示区及び常用コントロール表示区の配列方式は限定されず、上下配列、左右配列等の二つの表示区を区別できる配列方式であっても良い。当該アプリケーションプログラムインターフェース表示区は、アプリケーションのインターフェースの表示に用いることができる。各インターフェースは、少なくとも一つのアプリケーションプログラムのアイコン及び／又はｗｉｄｇｅｔデスクトップコントロール等のインターフェース要素を含むことができる。当該アプリケーションプログラムインターフェース表示区は、如何なる内容を含まない空インターフェイスであっても良い。当該常用コントロール表示区は、使用率が高いコントロール、例えば、設定ボタン、インターフェース番号、スクロールバー、電話帳アイコン等のアプリケーションプログラムのアイコン等の表示に用いられる。

ＷｉＦｉモジュール６０７は、設備６００のネットワークインターフェイスとして、設備６００とその他の設備とのデータ交換を実現でき、本実施形態において、ネットワーク通信を通じて、ネットワークインターフェイスとリモート記憶デバイス及び外部表示設備とを接続することができる。前記ネットワークインターフェイスは、前記リモート記憶デバイスにより送信された前記ノードを受信し、それに加えて、前記ノードを、前記プロセッサ６０５に送信することに用いられ、また前記プロセッサ６０５により送信された前記目標ネットワークトポロジー図を受信し、それに加えて、前記目標ネットワークトポロジー図を、前記外部表示設備に送信することに用いられる。本実施形態において、ＷｉＦｉネットワークを通じて、当該ネットワークインターフェイスに接続されたリモート記憶デバイスは、クラウドサーバー又はその他のデータベースであってもよく、当該リモート記憶デバイスに、前記ノードを記憶しており、前記ノードに対して可視化処理を行う必要がある場合、ＷｉＦｉネットワークを通じて、前記ノードをＷｉＦｉモジュール６０７に送信し、ＷｉＦｉモジュール６０７が取得した前記ノードを、前記プロセッサ６０５に送信することができる。

メモリー６０２は第一メモリー６０２１及び第二メモリー６０２２を含む。幾つかの実施形態において、第一メモリー６０２１は、非揮発性コンピューター可読記憶媒体であっても良く、その上に、オペレーティングシステム、データベース及びコンピューター実行可能な指令を記憶している。コンピューター実行可能な指令は、プロセッサ６０５により実行されて図１−３に示すような実施形態のネットワークトポロジー自己適応性データ可視化方法を実現することができる。第一メモリー６０２１上のデータベースは、各種類のデータの記憶に用いられ、例えば、目標ネットワークトポロジー及びノードデータ等のような前記ネットワークトポロジー自己適応性データ可視化方法に関わる各種のデータである。当該ノードデータは、設備６００により生成され、それに加えて、データベースに記憶されるノードであってもいいし、又はネットワークインターフェイスにより受信された、リモート記憶デバイスにより送信されたノードであってもいい。第二メモリー６０２１は設備６００の内部メモリーであっても良く、非揮発性コンピューター可読記憶媒体におけるオペレーティングシステム、データベース及びコンピューター実行可能な指令に、高速キャッシングの実行環境を提供する。

本実施形態において、プロセッサ６０５は設備６００の制御センターであり、各種のインターフェイスと回路を利用して携帯電話全体の各部分に接続し、第一メモリー６０２１内に記憶されているコンピューター実行可能な指令及び／又はデータベース内のデータを運行又は実行することによって、設備６００の各種の機能とデータ処理を実行する。これにより、設備６００に対して全体的な監視を行う。必要に応じて、プロセッサ６０５は、一つ又は複数の処理モジュールを含んでも良い。

本実施形態において、当該第一メモリー６０２１内に記憶されたコンピューター実行可能な指令及び／又はデータベース内のデータを実行することによって、プロセッサ６０５は、ノードに対して前処理を行って、前処理ノードを出力するステップ；力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成するステップ；前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力するステップ；前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成するステップを実行する。

好ましくは、ノードに対して前処理を行って、前処理ノードを出力することは、
各前記ノードのノード色とノードのサイズを取得すること；
各前記ノードに対してデータ標準化を行って、各前記ノードの標準化値を取得すること；
各前記ノードの標準化値と区切る閾値によって、前記ノードに対応した区間を確定し、それに加えて、前記ノードに対応した区間を、前記前処理ノードとして出力することを含む。

好ましくは、スプリングモデルを採用して弾性ポテンシャルエネルギーを計算し、前記スプリングモデルは

を含む。

好ましくは、前記弾性ポテンシャルエネルギーに基づき、エネルギーモデルを採用して動力ポテンシャルエネルギーを計算し、前記エネルギーモデルは

を含む。

その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、弾性ポテンシャルエネルギーは動力ポテンシャルエネルギーである。

好ましくは、前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力することは、
前記初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得すること；
座標データが同じである前記前処理ノードを、キャッシュリストに入れること；
前記キャッシュリストをトラバースして、座標データが同じである二つの前記前処理ノードを選び、二つの前記前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり差し引いたりすることによって、二つの更新ノードを形成することを、前記キャッシュリストに座標データが同じである前記前処理ノードがなくなるまで順に繰り返すこと；
前記更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、前記更新ノードと前記前処理ノードを、前記キャッシュリストに入れ、存在していない場合、前記更新ノードを、前記重複排除ノードとして出力することを含む。

好ましくは、前記プロセッサ６０５は、また前記重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎというファイルフォーマットの重複排除ノードを出力するステップを実行する。

本実施形態で提供されたネットワークトポロジー自己適応性データ可視化設備６００によれば、データ可視化の自動化を実現し、データ可視化処理フローを簡素化することができ、手動介入が必要ないので、手動介入コストを有効に節約し、それに加えて、処理効率を向上することができる。その上、当該設備６００において、重複した点の前処理ノードに対して重複排除処理を行うことによって、ノード間の重複現象を取り除くので、各ノードがいずれも完全に現れることができ、最終的に形成する目標ネットワークのトポロジー図の構造を明らかにして、展示能力が強くなる。その上、当該設備６００において、データの自動的な同期更新を実現でき、ビジネス・ニーズ分析と探索が実時間性を有することにする。

第四実施形態
本実施形態は、一つ又は複数のコンピューター可読指令を記憶している非揮発性コンピューター可読記憶媒体を提供し、一つ又は複数のプロセッサで前記コンピューター可読指令を実行することによって、前記一つ又は複数のプロセッサに、ネットワークトポロジー自己適応性データ可視化方法を実行させる。重複を避ける為に、ここでくどくど述べない。

本技術分野における普通技術者が意識できるように、当該詳細書に開示されている実施形態を併せて説明された各例のモジュール及びアルゴリズム・ステップを、電子ハードウェア又はコンピューターソフトウェアと電子ハードウェアとの結合の方式で実現できる。これらの機能を、ハードウェア方式で実行するか、ソフトウェア方式で実行するかは、技術案の特定な応用と設計の約束条件によって決められる。専門技術者は、各特定な応用に対して、異なる方法で、説明された機能を実現できるが、このような実現を、本発明の範囲内で実施しなければならない。

所属分野における技術者が明らかに了解できるように、説明の便利性と簡潔さの為に、前記説明したシステム、装置とモジュールの具体的な作動プロセスについて、前記方法の実施形態における対応したプロセスを参照することができ、ここでくどくど述べない。

本願で提供された実施形態において、理解すべきこととしては、開示されてい装置と方法をその他の方式で実現できることである。例えば、前記述べた装置の実施形態は例示に過ぎず、例えば、前記モジュールの区分は、ただ論理的機能の区分で、実際実現の時にその他の区分方式があってもよく、例えば、複数のモジュール又はコンポーネントを結合したり又はその他のシステムに集積したりすることができるか、又は幾つかの特徴を無視しても良いか、又はこれらを実行しなくても良い。もう一方では、表示した又は検討した相互カップリング又は直接なカップリング又は通信接続について、幾つかのインターフェース、装置又はモジュールを介する間接なカップリング又は通信接続であってもいいし、又は電気的、機械的又はその他の形式であっても良い。

前記分離部品として説明したモジュールは、物理的に分離可能または分離不可であってもよくモジュールとして表示される部品は、物理的なモジュールであっても物理的なモジュールでなくても良く、即ち、一つの箇所に位置してもいいし、又は複数のネットワークモジュールに分布しても良い。実際ニーズによって、その中の一部分又は全部のモジュールを選んで本実施形態の技術案の目的を実現できる。

その上、本発明における各実施形態の各機能モジュールを、一つの処理モジュールに集積してもいいし、又は各モジュールが単独で物理的に存在してもいいし、又は二つ又は二つ以上のモジュールを一つのモジュールに集積してもいい。

前記機能を、ソフトウェア機能モジュールの形式で実現し、それに加えて、独立的な製品として販売したり、又は使用したりする場合、一つのコンピューター可読の記憶媒体に記憶することができる。このような理解に基づくと、本発明中の技術案は、本質的に又は従来技術に貢献する部分又は当該技術案の部分について、ソフトウェア製品の形式で体現されることができる。当該コンピューターソフトウェア製品が、一つの記憶媒体に記憶され、若干の指令を含むことによって、一台のコンピューター設備（パソコン、サーバー又はネットワーク設備等であってもよい）に、本発明の各実施形態に記載されている方法の全部又は一部分のステップを実行させることができる。その一方で、前記記憶媒体は、ＵＳＢメモリー、リムーバブルハードディスク、ＲＯＭ、ＲＡＭ、磁気ディスク又は光ディスク等のような、プログラムコードを記憶できる各種の媒体である。

前記説明したのは、本発明の具体的な実施態様のみであるが、本発明の保護範囲はこれらに限られることではなく、本技術分野を熟知するいかなる技術者が、本発明に開示されている技術範囲内で簡単に想到し得る変更又は置き換えは、全て本発明の保護範囲に属する。従って、本発明の保護範囲は、請求項の保護範囲に準ずるべきことである。

（付記）
（付記１）
ノードに対して前処理を行って、前処理ノードを出力すること；
力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成すること；
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力すること；
前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成することを含む、
ことを特徴とするネットワークトポロジー自己適応性データ可視化方法。

（付記２）
前記ノードに対して前処理を行って、前処理ノードを出力することは、
各前記ノードのノード色とノードのサイズを取得すること；
各前記ノードに対してデータ標準化を行って、各前記ノードの標準化値を取得すること；
各前記ノードの標準化値と区切る閾値によって、前記ノードに対応した区間を確定し、それに加えて、前記ノードに対応した区間を、前記前処理ノードとして出力することを含む、
ことを特徴とする付記１記載のネットワークトポロジー自己適応性データ可視化方法。

（付記３）
前記力指向レイアウトアルゴリズムは、
下記を含むスプリングモデルを採用して、弾性ポテンシャルエネルギーを計算すること；

前記弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算することを含み、

その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである、
ことを特徴とする付記１記載のネットワークトポロジー自己適応性データ可視化方法。

（付記４）
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力することは、
前記初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得すること；
座標データが同じである前記前処理ノードを、キャッシュリストに入れること；
前記キャッシュリストをトラバースして、座標データが同じである二つの前記前処理ノードを選び、二つの前記前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり、差し引いたりすることによって、二つの更新ノードを形成することを、前記キャッシュリストに座標データが同じである前記前処理ノードがなくなるまで順に繰り返すこと；
前記更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、前記更新ノードと前記前処理ノードを、前記キャッシュリストに入れ、存在していない場合、前記更新ノードを、前記重複排除ノードとして出力することを含む、
ことを特徴とする付記１記載のネットワークトポロジー自己適応性データ可視化方法。

（付記５）
前記重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎファイルフォーマットの重複排除ノードを出力することをさらに含む、
ことを特徴とする付記１から４の何れか一つに記載のネットワークトポロジー自己適応性データ可視化方法。

（付記６）
ノードに対して前処理を行って、前処理ノードを出力するためのノード前処理ユニット；
力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成するための初期ネットワークトポロジー図形成ユニット；
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力するための重複排除処理ユニット；
前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成するための目標ネットワークトポロジー図形成ユニットを含む、
ことを特徴とするネットワークトポロジー自己適応性データ可視化装置。

（付記７）
前記ノード前処理ユニットは、
各前記ノードのノード色とノードのサイズを取得するためのノード取得サブユニット；
各前記ノードに対してデータ標準化を行って、各前記ノードの標準化値を取得するためのデータ標準化サブユニット；
各前記ノードの標準化値と区切る閾値によって、前記ノードに対応した区間を確定し、それに加えて、前記ノードに対応した区間を、前記前処理ノードとして出力するための前処理ノード取得サブユニットを含む、
ことを特徴とする付記６記載のネットワークトポロジー自己適応性データ可視化装置。

（付記８）
前記力指向レイアウトアルゴリズムは、
下記を含むスプリングモデルを採用して、弾性ポテンシャルエネルギーを計算すること；

前記弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算することを含み、

その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである、
ことを特徴とする付記６記載のネットワークトポロジー自己適応性データ可視化装置。

（付記９）
前記重複排除処理ユニットは、
前記初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得するための座標データ取得サブユニット；
座標データが同じである前記前処理ノードを、キャッシュリストに入れるためのデータキャッシュサブユニット；
前記キャッシュリストをトラバースして、座標データが同じである二つの前記前処理ノードを選び、二つの前記前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり、差し引いたりすることによって、二つの更新ノードを形成することを、前記キャッシュリストに座標データが同じである前記前処理ノードがなくなるまで順に繰り返すためのノード重複排除処理サブユニット；
前記更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、前記更新ノードと前記前処理ノードを、前記キャッシュリストに入れ、存在していない場合、前記更新ノードを、前記重複排除ノードとして出力するための重複排除ノード出力サブユニットを含む、
ことを特徴とする付記６記載のネットワークトポロジー自己適応性データ可視化装置。

（付記１０）
前記重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎファイルフォーマットの重複排除ノードを出力するためのフォーマット変換ユニットを更に含む、
ことを特徴とする付記６から９の何れか一つに記載のネットワークトポロジー自己適応性データ可視化装置。

（付記１１）
プロセッサ及びメモリーを含み、前記メモリーにコンピューター実行可能な指令を記憶しており、前記プロセッサが、前記コンピューター実行可能な指令を実行することによって、
ノードに対して前処理を行って、前処理ノードを出力するステップ；
力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成するステップ；
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力するステップ；
前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成するステップを実行する、
ことを特徴とするネットワークトポロジー自己適応性データ可視化設備。

（付記１２）
前記ノードに対して前処理を行って、前処理ノードを出力するステップは、
各前記ノードのノード色とノードのサイズを取得すること；
各前記ノードに対してデータ標準化を行って、各前記ノードの標準化値を取得すること；
各前記ノードの標準化値と区切る閾値によって、前記ノードに対応した区間を確定し、それに加えて、前記ノードに対応した区間を、前記前処理ノードとして出力することを含む、
ことを特徴とする付記１１に記載の設備。

（付記１３）
前記力指向レイアウトアルゴリズムは、
下記を含むスプリングモデルを採用して、弾性ポテンシャルエネルギーを計算すること；

前記弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算することを含み、

その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである、
ことを特徴とする付記１１に記載の設備。

（付記１４）
前記初期ネットワークトポロジー図における重複した前処理ノードに対して重複排除処理を行って、重複排除ノードを出力するステップは、
前記初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得すること；
座標データが同じである前記前処理ノードを、キャッシュリストに入れること；
前記キャッシュリストをトラバースして、座標データが同じである二つの前記前処理ノードを選び、二つの前記前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり、差し引いたりすることによって、二つの更新ノードを形成することを、前記キャッシュリストに座標データが同じである前記前処理ノードがなくなるまで順に繰り返すこと；
前記更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、前記更新ノードと前記前処理ノードを、前記キャッシュリストに入れ、存在していない場合、前記更新ノードを、前記重複排除ノードとして出力することを含む、
ことを特徴とする付記１１に記載の設備。

（付記１５）
前記プロセッサは、前記重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎファイルフォーマットの重複排除ノードを出力するステップをさらに実行する、
ことを特徴とする付記１１から１４の何れか一つに記載の設備。

（付記１６）
前記プロセッサに接続されているユーザインタラクティブ・デバイスをさらに含み、
前記ユーザインタラクティブ・デバイスが、ユーザによって入力された前記ノードを含むデータ可視化要求を受信し、それに加えて、前記データ可視化要求を前記プロセッサに送信することに用いられ、
前記プロセッサが、受信された前記データ可視化要求に基いて目標ネットワークトポロジー図を取得し、それに加えて、前記目標ネットワークトポロジー図を、前記ユーザインタラクティブ・デバイスに送信することに用いられ；
前記ユーザインタラクティブ・デバイスが、前記目標ネットワークトポロジー図を、受信して表示することに用いられる、
ことを特徴とする付記１１に記載の設備。

（付記１７）
前記プロセッサに接続されているネットワークインターフェースをさらに含み、
前記ネットワークインターフェースが、リモート記憶デバイス及び外部表示設備に接続されており、前記ネットワークインターフェースが、前記リモート記憶デバイスにより送信された前記ノードを受信し、それに加えて、前記ノードを、前記プロセッサに送信することに用いられるとともに、また前記プロセッサにより送信された前記目標ネットワークトポロジー図を受信し、それに加えて、前記目標ネットワークトポロジー図を、前記外部表示設備に送信することに用いられる、
ことを特徴とする付記１１に記載の設備。

（付記１８）
前記メモリーに、前記目標ネットワークトポロジー図を記憶することに用いられるデータベースが記憶されている、
ことを特徴とする付記１１に記載の設備。

（付記１９）
一つ又は複数のコンピューター可読指令を記憶している非揮発性コンピューター可読記憶媒体であって、
一つ又は複数のプロセッサで前記コンピューター可読指令を実行することによって、前記一つ又は複数のプロセッサに、付記１から５の何れか一つに記載されているネットワークトポロジー自己適応性データ可視化方法を実行させる、
ことを特徴とする非揮発性コンピューター可読記憶媒体。

Claims (10)

1. ノード前処理ユニットが、ノードに対して前処理を行って、前処理ノードを出力することと、
   初期ネットワークトポロジー図形成ユニットが、力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成することと、
   重複排除処理ユニットが、前記初期ネットワークトポロジー図上で他の前処理ノードと重複した前処理ノードを、前記他の前処理ノードと重複しない位置に配置する重複排除処理を行って、前記他の前処理ノードと重複しない重複排除ノードを出力することと、
   目標ネットワークトポロジー図形成ユニットが、前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成することを含む、
   ことを特徴とする、ネットワークトポロジー自己適応性データ可視化装置が行うネットワークトポロジー自己適応性データ可視化方法。
2. 前記ノードに対して前処理を行って、前処理ノードを出力することは、
   各前記ノードのノード色とノードのサイズを取得することと、
   各前記ノードに対してデータ標準化を行って、各前記ノードの標準化値を取得することと、
   各前記ノードの標準化値と区切る閾値によって、前記ノードに対応した区間を確定し、それに加えて、前記ノードに対応した区間を、前記前処理ノードとして出力することを含む、
   ことを特徴とする請求項１記載のネットワークトポロジー自己適応性データ可視化方法。
3. 前記力指向レイアウトアルゴリズムは、
   下記を含むスプリングモデルを採用して、弾性ポテンシャルエネルギーを計算することと、
   

   

   
   前記弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算することを含み、
   

   

   
   その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである、
   ことを特徴とする請求項１記載のネットワークトポロジー自己適応性データ可視化方法。
4. 前記初期ネットワークトポロジー図上で他の前処理ノードと重複した前処理ノードを、前記他の前処理ノードと重複しない位置に配置する重複排除処理を行って、前記他の前処理ノードと重複しない重複排除ノードを出力することは、
   前記初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得することと、
   座標データが同じである前記前処理ノードを、キャッシュリストに入れることと、
   前記キャッシュリストをトラバースして、座標データが同じである二つの前記前処理ノードを選び、二つの前記前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり、差し引いたりすることによって、二つの更新ノードを形成することを、前記キャッシュリストに座標データが同じである前記前処理ノードがなくなるまで順に繰り返すことと、
   前記更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、前記更新ノードと前記前処理ノードを、前記キャッシュリストに入れ、存在していない場合、前記更新ノードを、前記重複排除ノードとして出力することを含む、
   ことを特徴とする請求項１記載のネットワークトポロジー自己適応性データ可視化方法。
5. 前記重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎファイルフォーマットの重複排除ノードを出力することをさらに含む、
   ことを特徴とする請求項１から４の何れか一項に記載のネットワークトポロジー自己適応性データ可視化方法。
6. ノードに対して前処理を行って、前処理ノードを出力するためのノード前処理ユニットと、
   力指向レイアウトアルゴリズムを採用して、前記前処理ノードに対して処理を行って、初期ネットワークトポロジー図を形成するための初期ネットワークトポロジー図形成ユニットと、
   前記初期ネットワークトポロジー図上で他の前処理ノードと重複した前処理ノードを、前記他の前処理ノードと重複しない位置に配置する重複排除処理を行って、前記他の前処理ノードと重複しない重複排除ノードを出力するための重複排除処理ユニットと、
   前記重複排除ノードに基づいて目標ネットワークトポロジー図を形成するための目標ネットワークトポロジー図形成ユニットを含む、
   ことを特徴とするネットワークトポロジー自己適応性データ可視化装置。
7. 前記ノード前処理ユニットは、
   各前記ノードのノード色とノードのサイズを取得するためのノード取得サブユニットと、
   各前記ノードに対してデータ標準化を行って、各前記ノードの標準化値を取得するためのデータ標準化サブユニットと、
   各前記ノードの標準化値と区切る閾値によって、前記ノードに対応した区間を確定し、それに加えて、前記ノードに対応した区間を、前記前処理ノードとして出力するための前処理ノード取得サブユニットを含む、
   ことを特徴とする請求項６記載のネットワークトポロジー自己適応性データ可視化装置。
8. 前記力指向レイアウトアルゴリズムは、
   下記を含むスプリングモデルを採用して、弾性ポテンシャルエネルギーを計算することと、
   

   

   
   前記弾性ポテンシャルエネルギーに基づき、下記を含むエネルギーモデルを採用して動力ポテンシャルエネルギーを計算することを含み、
   

   

   
   その中で、ノードｉとｊについて、ｄ（ｉ，ｊ）で二つのノードの間のユークリッド距離を表し、ｓ（ｉ，ｊ）がスプリングの自然な長さを表し、ｋが弾性係数であり、ｒが二つのノードの間の静電気力定数を表し、ｗが二つのノードの間の重みであり、Ｅ_Ｓが弾性ポテンシャルエネルギーであり、Ｅが動力ポテンシャルエネルギーである、
   ことを特徴とする請求項６記載のネットワークトポロジー自己適応性データ可視化装置。
9. 前記重複排除処理ユニットは、
   前記初期ネットワークトポロジー図における各前処理ノードの、ｘ座標とｙ座標を含む座標データを取得するための座標データ取得サブユニットと、
   座標データが同じである前記前処理ノードを、キャッシュリストに入れるためのデータキャッシュサブユニットと、
   前記キャッシュリストをトラバースして、座標データが同じである二つの前記前処理ノードを選び、二つの前記前処理ノードのｘ座標とｙ座標に対して、それぞれランダムな数を加えたり、差し引いたりすることによって、二つの更新ノードを形成することを、前記キャッシュリストに座標データが同じである前記前処理ノードがなくなるまで順に繰り返すためのノード重複排除処理サブユニットと、
   前記更新ノードの座標データと同じである前処理ノードが存在しているか判断して、存在する場合、前記更新ノードと前記前処理ノードを、前記キャッシュリストに入れ、存在していない場合、前記更新ノードを、前記重複排除ノードとして出力するための重複排除ノード出力サブユニットを含む、
   ことを特徴とする請求項６記載のネットワークトポロジー自己適応性データ可視化装置。
10. 前記重複排除ノードに対してファイルフォーマットの変換を行って、ｊｓｏｎファイルフォーマットの重複排除ノードを出力するためのフォーマット変換ユニットを更に含む、
    ことを特徴とする請求項６から９の何れか一項に記載のネットワークトポロジー自己適応性データ可視化装置。

Images