KR20180087279A - 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체 - Google Patents

네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체 Download PDF

Info

Publication number
KR20180087279A
KR20180087279A KR1020187015554A KR20187015554A KR20180087279A KR 20180087279 A KR20180087279 A KR 20180087279A KR 1020187015554 A KR1020187015554 A KR 1020187015554A KR 20187015554 A KR20187015554 A KR 20187015554A KR 20180087279 A KR20180087279 A KR 20180087279A
Authority
KR
South Korea
Prior art keywords
node
network topology
processing
deduplication
data visualization
Prior art date
Application number
KR1020187015554A
Other languages
English (en)
Other versions
KR102186864B1 (ko
Inventor
빈헤 유
지안밍 왕
징 샤오
Original Assignee
핑안 테크놀로지 (션젼) 컴퍼니 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 핑안 테크놀로지 (션젼) 컴퍼니 리미티드 filed Critical 핑안 테크놀로지 (션젼) 컴퍼니 리미티드
Publication of KR20180087279A publication Critical patent/KR20180087279A/ko
Application granted granted Critical
Publication of KR102186864B1 publication Critical patent/KR102186864B1/ko

Links

Images

Classifications

    • G06F17/30554—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/174—Redundancy elimination performed by the file system
    • G06F16/1748—De-duplication implemented within the file system, e.g. based on file segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0876—Aspects of the degree of configuration automation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/12—Discovery or management of network topologies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
    • H04L41/5058—Service discovery by the service manager
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체를 개신한다. 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법은, 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계; 강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 단계; 상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계; 및 상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 단계;를 포함한다. 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법은, 데이터 시각화 자동화를 실현할 수 있고, 데이터 시각화 처리 프로세스를 간단화할 수 있고, 인공적인 간섭이 필요 없기에, 인공적인 간섭 비용을 효과적으로 감소시킬 수 있고, 처리 효율을 향상시킬 수 있다.

Description

네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체
본 출원은 2016년 12월 29 일에 출원되고, 중국 출원번호가 201611249511.2이고 발명의 명칭이 "네트워크 토폴로지 적응형의 데이터 시각화 방법 및 장치"인 중국 특허 출원을 기초로 제출한 것으로, 당해 우선권을 주장한다.
기술분야
본 발명은 시각화 기술 분야에 관한 것으로서, 보다 구체적으로는 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체에 관한 것이다.
데이터 시각화는 컴퓨터 그래픽스를 사용하여 시각적 이미지를 구축하여, 사람들이 실제 규모보다 크고 구조가 복잡한 과학 결과 또는 개념을 이해할 수 있도록 한다. 복잡한 네트워크 연구에 있어서, 시각화 기술은 특히 중요하며, 복잡한 네트워크 데이터 또는 모델을 제시하거나 해석하는 데 도움이 되기에, 각종패턴, 특성 및 관계를 찾을 수 있도록 한다.
현재 데이터 시각화 과정은 주로 전문 소프트웨어 공구를 사용하여 복잡한 디버깅을 진행하고 매개 변수를 설정하며, 직관적인 시각적 결과에 대한 타겟 탐색을 진행한다. 현재 데이터 시각화 과정에 있어서, 전문인원은 노드 색상, 노드 크기 및 네트워크 형태와 같은 복잡한 데이터 조정 작업을 진행하여야 하기에 작업량이 많고 번거롭다. 데이터가 업데이트된 후, 전문인원은 다시 데이터를 조정하기에, 중복 작업이 많고 번거롭다. 또한 현재 데이터 시각화 과정에는 노드가 겹치기에 일부 노드가 완전히 제시되지 못하고, 토폴로지 구조가 명확하지 않은 현상이 발생하므로, 인공적으로 중복 제거를 진행하여야 하며 작업량이 많고 번거로우며 데이터 시각화 효율성이 향상시키는데 불리하다.
본 발명은 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체를 제공하여, 종래의 데이터 시각화 과정에서 인공적으로 번거로운 데이터 조정 작업을 진행하는 과제를 해결한다.
본 발명이 기술적 과제를 해결하기 위해 채용한 기술안은 다음과 같다.
제1 양태에 있어서, 네트워크 토폴로지 적응형의 데이터 시각화 방법을 제공하며, 상기 방법은,
노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계;
강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 단계;
상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계; 및
상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 단계;를 포함한다.
제2 양태에 있어서, 본 발명은 네트워크 토폴로지 적응형의 데이터 시각화 장치를 제공하며, 상기 장치는,
노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 노드 사전 처리 유닛;
강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 초기 네트워크 토폴로지 그래픽 형성 유닛;
상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 중복 제거 처리 유닛; 및
상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 타겟 네트워크 토폴로지 그래픽 형성 유닛;을 포함한다.
제3 양태에 있어서, 본 발명은 네트워크 토폴로지 적응형의 데이터 시각화 설비를 제공하며, 상기 설비는 프로세서 및 메모리를 포함하며, 상기 메모리에는 컴퓨터 실행 가능 명령이 저장되고, 상기 프로세서는 상기 컴퓨터 실행 가능 명령을 수행하여,
노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계;
강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 단계;
상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계;
상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 단계;를 수행한다.
제4 양태에 있어서, 비 휘발성 컴퓨터 판독 가능 저장 매체를 제공하고, 상기 저장 매체에는 하나 또는 복수 개의 컴퓨터 판독 가능 명령이 저장되어 있으며, 상기 컴퓨터 판독 가능 명령은 하나 또는 복수 개의 프로세서에 의해 수행되어, 상기 하나 또는 복수 개의 프로세서가 상기 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행할 수 있도록 한다.
본 발명은 종래 기술에 비해 다음과 같은 장점을 갖고 있다. 본 발명에서 제공하는 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체는 데이터 시각화 자동화를 실현할 수 있고, 데이터 시각화 처리 프로세스를 간단화할 수 있고, 인공적인 간섭이 필요 없기에, 인공적인 간섭 비용을 효과적으로 감소시킬 수 있고, 처리 효율을 향상시킬 수 있다. 또한, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체에 있어서, 중복 포인트의 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 노드 사이의 중복 현상을 없애며, 각 노드가 모두 완전히 제시되도록 하여, 최종 형성된 타겟 네트워크 토폴로지 그래픽의 구조를 선명히 하고, 제시성을 강화시킬 수 있다. 또한, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체에 있어서, 데이터의 자동 동기화 업데이트를 실현할 수 있어, 작업 수요 분석과 탐색을 실시간으로 진행할 수 있도록 한다.
이하, 도면 및 실시예와 결합하여, 본 발명을 상세히 설명한다. 도면에 있어서,
도 1은 본 발명의 제1 실시예 중의 네트워크 토폴로지 적응형의 데이터 시각화 방법의 흐름도이다.
도 2는 도 1에 도시된 네트워크 토폴로지 적응형의 데이터 시각화 방법 중의 단계 S1의 구체적인 흐름도이다.
도 3은 도 1에 도시된 네트워크 토폴로지 적응형의 데이터 시각화 방법 중의 단계 S3의 구체적인 흐름도이다.
도 4는 본 발명의 제2 실시예 중의 네트워크 토폴로지 적응형의 데이터 시각화 장치의 원리 블록도이다.
도 5는 도 4 중의 네트워크 토폴로지 적응형의 데이터 시각화 장치의 구체적인 원리 블록도이다.
도 6은 본 발명은 제3 실시예 중의 네트워크 토폴로지 적응형의 데이터 시각화 설비의 모식도이다.
본 발명의 기술적 특징, 목표 및 효과를 더욱 명확히 이해하도록 하기 위해, 이하 도면과 함께 본 발명의 구체적인 실시형태를 상세히 설명한다.
제1 실시예
도 1은 본 실시예 중의 네트워크 토폴로지 적응형의 데이터 시각화 방법의 흐름도를 나타낸다. 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법은 데이터 시각화의 전문 소프트웨어 공구가 설치된 네트워크 토폴로지 적응형의 데이터 시각화 설비에서 수행될 수 있다. 여기서, 전문 소프트웨어 공구는 Gephi와 같은 복잡한 네트워크 분석 소프트웨어일 수 있으며. 주로 각종 네트워크와 복잡한 시스템에 사용되며, 동적 및 계층적 그래픽을 위한 상호 작용의 시각화 및 프로빙 오픈 소스 공구를 탐색하는데 사용된다. 도 1에 도시된 바와 같이, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법은 이하의 단계를 포함한다.
S1: 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력한다.
본 실시예에 있어서, Gephi 소프트웨어 공구 중에서 노드에 대한 사전 처리를 진행하며, 출력된 사전 처리 노드의 파일 형식은 gexf 파일 형식이다. 도 2에 도시된 바와 같이, 단계 S1은 구체적으로 다음과 같은 단계를 포함한다.
S11: 각 노드의 노드 색상 및 노드 크기를 획득한다.
다시 말해서, 각 노드에 color_t 속성 및 size_t 속성이 추가되는 바, 이하와 같이, value는 실제 작업 장면에 따라 설정될 수 있으며, 당해 노드의 color_t 속성 및 size_t 속성의 값에 따라 각 노드의 노드 색상 및 노드 크기를 생성한다.
<node id="1">
<attvalues>
<attvalue for="color_t" value="5"/>
<attvalue for="size_t" value="1"/>
</attvalues>
</node>
본 실시예에 있어서, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행하는 전문 소프트웨어 공구는 Gephi이고, 획득된 각 노드의 노드 색상 및 노드 크기는 모두 gexf 파일 형식이다. Gephi는 우수한 복잡한 네트워크 분석 소프트웨어로서, 다양한 형식의 파일 가져오기를 서포트한다. gexf 형식은 Gephi에서 권장하는 형식이며, GEXF(Graph Exchange XML Format) 언어를 사용하여 만든 그래픽 파일이다. GEXF 언어는 네트워크 구조를 설명하는 언어로서, 지정 노드와 가장자리에 대한 관계 다이어그램 및 사용자에 의해 정의된 속성을 설명하는데 사용된다.
S12: 각 노드의 노드 색상 및 노드 크기에 대한 데이터 표준화를 진행하여, 각 노드의 표준화 값을 획득한다.
여기서, 데이터 표준화(normalization)는 데이터를 비율에 따라 스케일링하여, 그 수치가 비교적 작은 특정 구간에 속하도록 하여, 데이터의 단위 제한을 제거하고, 수량급이 없는 순수한 수치로 변환하여, 상이한 단위 또는 수량급의 지표를 비교하고 가중치를 부여할 수 있다.
본 실시예에 있어서, 각 노드의 노드 색상에 대응되는 color_t 속성 및 노드 크기에 대응되는 size_t 속성을 배열한 후, 다시 Z-score 표준화(zero-mean normalization) 처리를 진행하여, 각 노드의 표준화 값을 획득한다. 여기서, Z-score 표준화는 표준 편차의 표준화를 가리키며, 처리된 데이터가 표준 정규 분포에 부합되도록 하며, 다시 말해서 평균치는 0이고, 표준 편차가 1이며, 출력된 표준화 값을 비교하거나 또는 가중치를 부여한다. 구체적으로, Z-score 표준화의 변환 함수는
Figure pct00001
이고, 여기서, μ는 모든 샘플 데이터의 평균치이며, σ는 모든 표준 데이터의 표준 편차이다.
S13: 각 노드의 표준화 값 및 파티션 임계값에 따라 노드에 대응하는 구간을 확정하고, 노드에 대응되는 구간을 사전 처리 노드로서 출력한다.
여기서, 파티션 임계값은 데이터를 복수 개의 구간으로 분할하는데 이용되나, 단계 S12에서 형성되는 각 노드의 표준화 값은 특정 구간 내에 있으며, 각 노드의 표준화 값과 미리 설정된 파티션 임계값을 비교하여, 당해 노드의 표준화 값이, 파티션 임계값에 의해 확정된 어느 구간 내에 속하는지 확정하고, 당해 노드에 대응되는 구간을 사전 처리 노드로서 출력한다.
S2: 강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성한다.
강제 레이아웃 알고리즘(Fruchterman-Reingold 알고리즘, FR 알고리즘으로 약칭)은 두 노드 사이의 물리적 모델을 풍부히 하고, 노드 사이에 정전기력을 추가하며, 시스템의 총 에너지를 계산하고 에너지를 최소화하여, 레이아웃의 목적에 달할 수 있도록 한다. 강제 레이아웃 알고리즘의 계산 공식은 다음과 같다.
스프링 모델을 채용하여 탄성 위치 에너지를 계산하며, 스프링 모델은,
Figure pct00002
을 포함한다.
탄성 위치 에너지에 따라, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하며, 에너지 모델은,
Figure pct00003
를 포함한다.
여기서, 노드 i 및 j는 d(i,j)에 의해 두 노드의 유클리드 거리를 나타내고, s(i,j)는 스프링의 자연 길이를 나타내며, k는 탄성 계수이고, r는 두 노드 사이의 정전기력 상수를 나타내며, w는 두 노드 사이의 가중치를 나타내며, E s 는 탄성 위치 에너지이고, E 는 다이내믹 위치 에너지이다.
본 실시예에 있어서, 우선 스프링 모델을 채용하여 사전 처리 노드의 탄성 위치 에너지를 계산하고; 계산을 통해 획득한 탄성 위치 에너지에 근거하여, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하고, 계산을 통해 획득한 다이내믹 위치 에너지를 이용하여 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성한다.
스프링 모델이든 에너지 모델이든, 그 알고리즘의 핵심은 에너지 최적화 문제를 해결하는 것이며, 상이점은 함수를 최적화하는 구성이 상이한 것이다. 최적화 대상은 인력과 척력 부분을 포함하며, 상이한 알고리즘은 인력과 척력에 대한 표현 방식이 상이하다. 강제 레이아웃 알고리즘은 이해하기 쉽고, 실현하기 쉬우며, 대다수의 네트워크 데이터 셋트에 사용될 수 있으며, 실현 효과로서 양호한 대칭성과 국부적인 중합성이 있다.
S3: 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하며, 중복 제거 노드를 출력한다.
강제 레이아웃 알고리즘을 통해 사전 처리 노드를 처리한 후 형성된 초기 네트워크 토폴로지 그래픽 중에 노드 중복이 존재할 수 있기에, 노드 중복으로 인한 초기 네트워크 토폴로지 그래픽의 구조 불명확성을 피하기 위해, 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복된 노드가 균일하게 분산되도록 한다. 본 실시예 중의 중복 제거 노드는 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행한 후 형성된 중복되지 않은 노드를 가리킨다. 도 3에 도시된 바와 같이, 단계 S3은 구체적으로 다음의 단계를 포함한다.
S31: 초기 네트워크 토폴로지 그래픽 중의 각 사전 처리 노드의 좌표 데이터를 획득하고, 좌표 데이터는 x 좌표와 y 좌표를 포함한다.
초기 네트워크 토폴로지 그래픽 중, 임의의 사전 처리 노드의 위치는 모두 그 좌표 데이터로 확정될수 있다. 임의의 두 개의 사전 처리 노드의 좌표 데이터가 같을 경우, 다시 말해서 x 좌표와 y 좌표가 모두 같을 경우, 두 개의 사전 처리 노드는 중복되어 있다.
S32: 좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장한다.
본 실시예에 있어서, 좌표 데이터가 (x1, y1)의 사전 처리 노드가 두 개이고, 좌표 데이터가 (x2, y2)인 사전 처리 노드가 3개이고, 좌표 데이터가 (x3, y3)인 사전 처리 노드가 4개……인 경우, 좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장하는 것은, 좌표 데이터가 같은 적어도 두 개의 사전 처리 노드를 하나의 캐시 노드 그룹으로 하고, 다시 적어도 하나의 캐시 노드 그룹을 캐시 목록 중에 저장하는 것을 포함한다.
S33: 캐시 목록을 탐색하고, 두 개의 좌표 데이터가 같은 사전 처리 노드를 선택하여, 두 개의 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수(random number)를 가하거나 빼어, 두 개의 업데이트된 노드를 형성하며; 캐시 목록 중에 좌표 데이터가 같은 사전 처리 노드가 존재하지 않을 때까지 순차적으로 반복한다.
여기서, 난수는 랜덤으로 생성된 0이 아닌 숫자인 바, k로 설정한다. 난수 k가 0일 경우, 두 개의 좌표가 같은 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수를 가하거나 빼는 것에 의해, 두 개의 중복되지 않은 업데이트된 노드를 형성할 수가 없다.
본 실시예에 있어서, 좌표 데이터가（x1, y1)인 사전 처리 노드 A 및 B, 사전 처리 노드 A 및 B의 x 좌표 및 y 좌표에 각각 난수 k1를 가하거나 빼어, 두 개의 업데이트된 노드 A'(x1+k1, y1+k1) 및 B'(x1-k1, y1-k1)을 형성하여, 두 개의 사전 처리 노드 A 및 B가 균일하게 분산되도록 한다. 상응하게, 좌표 데이터가 (x2, y2)인 사전 처리 노드 C, D 및 E일 경우, 사전 처리 노드 C 및 D의 x 좌표 및 y 좌표에 각각 난수 k2를 가하거나 빼어, 두 개의 업데이트된 노드 C'(x2+k2, y2+k2) 및 D'(x2-k2, y2-k2)를 형성하여, 3개의 사전 처리 노드 C, D 및 E(x2, y2)가 균일하게 분산되도록 한다. 좌표 데이터가 (x3, y3)인 사전 처리 노드 F, G, H 및 I일 경우, 사전 처리 노드 F 및 G의 x 좌표 및 y 좌표에 각각 난수 K3을 가하거나 빼며, 사전 처리 노드 H 및 I의 x 좌표 및 y 좌표에 각각 난수 k4를 가하거나 빼어, 4개의 업데이트된 노드 F'(x3+k3, y3+k3), G'(x3-k3, y3-k3), H'(x3+k4, y3+k4) 및 I'(x3-k4, y3-k4)를 형성하기에, 4개의 사전 처리 노드 F, G, H 및 I가 균일하게 분산되도록 하며……, 캐시 목록 중에 좌표 데이터가 같은 적어도 두 개의 사전 처리 노드가 존재하지 않을 때까지 캐시 목록 중의 모든 좌표 데이터가 같은 사전 처리 노드를 탐색한다.
S34: 업데이트된 노드 좌표 데이터와 같은 사전 처리 노드의 존재 여부를 판단하고; 존재할 경우, 업데이트된 노드와 사전 처리 노드를 상기 캐시 목록에 저장하며; 존재하지 않을 경우, 업데이트된 노드를 중복 제거 노드로서 출력한다.
캐시 목록을 탐색하여 형성된 업데이트된 노드가 기타 캐시 목록 중에 저장되지 않은 사전 처리 노드의 좌표 데이터와 같아, 노드 중복 현상이 여전히 존재할 가능성이 있기에, 업데이트된 노드 좌표 데이터어와 같은 사전 처리 노드의 존재 여부를 판단할 필요가 없으며; 존재할 경우, 업데이트된 노드와 사전 처리 노드를 하나의 캐시 노드 그룹으로서 캐시 목록 중에 저장하여, 단계 S33을 수행하며; 존재하지 않을 경우, 업데이트된 노드를 중복 제거 노드로서 출력하여, 단계 S4을 수행한다. 초기 네트워크 토폴로지 그래픽 중의 기타 캐시 목록 중에 저장되지 않은 사전 처리 노드도 중복 제거 노드로서 출력된다.
S4: 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성한다.
구체적으로, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행하는 컴퓨터는 중복 제거 노드를 수신하고, 브라우저에서 모든 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 표시하여, 데이터 시각화 결과를 제시한다. 백스테이지 데이터가 업데이트될 시, 다시 단계 S1-S4에 따라 계산하여, 브라우저가 최신 데이터의 데이터 시각화 결과를 표시하도록 하여, 데이터 동기화 업데이트를 실현하며, 전문인원이 데이터를 조정할 필요가 없고, 비용 절감에 유리하고 데이터 시각화의 처리 효율을 향상시킨다.
또한, 단계 S1에서 출력된 사전 처리 노드의 파일 형식이 gexf 파일 형식이고, 단계 S2 및 단계 S3에서 출력된 초기 네트워크 토폴로지 그래픽 및 중복 제거 노드에 대한 형식 변환을 진행하지 않기에, 출력된 중복 제거 노드의 파일 형식은 여전히 gexf 파일 형식이며, 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 과정에서, gexf 파일 형식의 네트워크 전송 데이터의 양이 많고, 응답 속도가 늦다.
상술한 문제점을 해결하기 위해, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법의 단계 S3과 단계 S4 사이에는 또한, 중복 제거 노드에 대해 파일 형식 변환을 진행하며, json 파일 형식의 중복 제거 노드를 출력한다. JSON(Java Script Object Notation)는 경량급의 데이터 교환 형식이다. JSON는 언어와 완전히 독립되는 텍스트 형식을 채용하며, 이러한 특성은 JSON가 이상적인 데이터 교환 언어로 되도록 하며, 읽고 쓰기가 쉽고, 기계에 의한 분석과 생성이 용이한 장점을 갖고 있다.
구체적으로, 중복 제거 노드의 gexf 파일 형식을 분석하여, 노드(node） 정보 및 가장자리(edge） 정보를 획득하며, 노드(node) 정보 및 가장자리(edge) 정보에 따라, json 파일 형식의 중복 제거 노드를 출력한다. gexf 파일 형식의 중복 제거 노드를 json 파일 형식의 중복 제거 노드로 변환시켜, 네트워크 전송 데이터양을 감소시키고, 응답 시간을 향상시키며, 데이터 시각화의 처리 효율을 향상시키는데 유리하다.
본 실시예에서 제공하는 네트워크 토폴로지 적응형의 데이터 시각화 방법은 데이터 시각화의 자동화를 실현할 수 있고, 데이터 시각화 처리 프로세스를 간단화할 수 있고, 인공적인 간섭이 필요 없기에, 인공적인 간섭 비용을 효과적으로 감소시킬 수 있고, 처리 효율을 향상시킬 수 있다. 또한, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법에 있어서, 중복 포인트의 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 노드 사이의 중복 현상을 없애며, 각 노드가 모두 완전히 제시되도록 하여, 최종 형성된 타겟 네트워크 토폴로지 그래픽의 구조를 선명히 하고, 제시성을 강화시킬 수 있다. 또한, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법에 있어서, 데이터의 자동 동기화 업데이트를 실현할 수 있어, 작업 수요 분석과 탐색을 실시간으로 진행할 수 있도록 한다.
제2 실시예
도 4 및 도 5는 본 실시예어서의 네트워크 토폴로지 적응형의 데이터 시각화 장치의 원리 블록도를 나타낸다. 당해 네트워크 토폴로지 적응형의 데이터 시각화 장치는 데이터 시각화의 전문 소프트웨어 공구가 설치된 네트워크 토폴로지 적응형의 데이터 시각화 설비에서 수행될 수 있다. 여기서, 전문 소프트웨어 공구는 Gephi와 같은 복잡한 네트워크 분석 소프트웨어일 수 있으며. 주로 각종 네트워크와 복잡한 시스템에 사용되며, 동적 및 계층적 그래픽을 위한 상호 작용의 시각화 및 프로빙 오픈 소스 공구를 탐색하는데 사용된다. 도 4에 도시된 바와 같이, 당해 네트워크 토폴로지 적응형의 데이터 시각화 장치는, 노드 사전 처리 유닛(10), 초기 네트워크 토폴로지 그래픽 형성 유닛(20), 중복 제거 처리 유닛(30) 및 타겟 네트워크 토폴로지 그래픽 형성 유닛(40)을 포함한다.
노드 사전 처리 유닛(10)은, 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력한다.
본 실시예에 있어서, Gephi 소프트웨어 공구 중에서 노드에 대한 사전 처리를 진행하며, 출력된 사전 처리 노드의 파일 형식은 gexf 파일 형식이다. 도 5에 도시된 바와 같이, 노드 사전 처리 유닛(10)은 구체적으로 노드 획득 서브 유닛(11), 데이터 표준화 서브 유닛(12), 및 사전 처리 노드 획득 서브 유닛(13)을 포함한다.
노드 획득 서브 유닛(11)은, 각 노드의 노드 색상 및 노드 크기를 획득한다.
다시 말해서, 각 노드에 color_t 속성 및 size_t 속성이 추가되는 바, 이하와 같이, value는 실제 작업 장면에 따라 설정될수 있으며, 당해 노드의 color_t 속성 및 size_t 속성의 값에 따라 각 노드의 노드 색상 및 노드 크기를 생성한다.
<node id="1">
<attvalues>
<attvalue for="color_t" value="5"/>
<attvalue for="size_t" value="1"/>
</attvalues>
</node>
본 실시예에 있어서, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행하는 전문 소프트웨어 공구는 Gephi이고, 획득된 각 노드의 노드 색상 및 노드 크기는 모두 gexf 파일 형식이다. Gephi는 우수한 복잡한 네트워크 분석 소프트웨어로서, 다양한 형식의 파일 가져오기를 서포트한다. gexf 형식은 Gephi에서 권장하는 형식이며, GEXF(Graph Exchange XML Format) 언어를 사용하여 만든 그래픽 파일이다. GEXF 언어는 네트워크 구조를 설명하는 언어로서, 지정 노드와 가장자리에 대한 관계 다이어그램 및 사용자에 의해 정의된 속성을 설명하는데 사용된다.
데이터 표준화 서브 유닛(12)는, 각 노드의 노드 색상 및 노드 크기에 대한 데이터 표준화를 진행하여, 각 노드의 표준화 값을 획득한다.
여기서, 데이터 표준화(normalization)는 데이터를 비율에 따라 스케일링하여, 그 수치가 비교적 작은 특정 구간에 속하도록 하여, 데이터의 단위 제한을 제거하고, 수량급이 없는 순수한 수치로 변환하여, 상이한 단위 또는 수량급의 지표를 비교하고 가중치를 부여할 수 있다.
본 실시예에 있어서, 각 노드의 노드 색상에 대응되는 color_t 속성 및 노드 크기에 대응되는 size_t 속성을 배열한 후, 다시 Z-score 표준화(zero-mean normalization) 처리를 진행하여, 각 노드의 표준화 값을 획득한다. 여기서, Z-score 표준화는 표준 편차의 표준화를 가리키며, 처리된 데이터가 표준 정규 분포에 부합되도록 하며, 다시 말해서 평균치는 0이고, 표준 편차가 1이며, 출력된 표준화 값을 비교하거나 또는 가중치를 부여한다. 구체적으로, Z-score 표준화의 변환 함수는
Figure pct00004
이고, 여기서, μ는 모든 샘플 데이터의 평균치이며, σ는 모든 표준 데이터의 표준 편차이다.
사전 처리 노드 획득 서브 유닛(13)은, 각 노드의 표준화 값 및 파티션 임계값에 따라 노드에 대응하는 구간을 확정하고, 노드에 대응되는 구간을 사전 처리 노드로서 출력한다.
여기서, 파티션 임계값은 데이터를 복수 개의 구간으로 분할하는데 이용되나, 데이터 표준화 서브 유닛(12)에 의해 형성되는 각 노드의 표준화 값은 특정 구간 내에 있으며, 각 노드의 표준화 값과 미리 설정된 파티션 임계값을 비교하여, 당해 노드의 표준화 값이, 파티션 임계값에 의해 확정된 어느 구간 내에 속하는지 확정하고, 당해 노드에 대응되는 구간을 사전 처리 노드로서 출력한다.
초기 네트워크 토폴로지 그래픽 형성 유닛(20)은, 강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성한다.
강제 레이아웃 알고리즘(Fruchterman-Reingold 알고리즘, FR 알고리즘으로 약칭)은 두 노드 사이의 물리적 모델을 풍부히 하고, 노드 사이에 정전기력을 추가하며, 시스템의 총 에너지를 계산하고 에너지를 최소화하여, 레이아웃의 목적에 달할 수 있도록 한다. 강제 레이아웃 알고리즘의 계산 공식은 다음과 같다.
스프링 모델을 채용하여 탄성 위치 에너지를 계산하며, 스프링 모델은,
Figure pct00005
을 포함한다.
탄성 위치 에너지에 따라, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하며, 에너지 모델은,
Figure pct00006
를 포함한다.
여기서, 노드 i 및 j는 d(i,j)에 의해 두 노드의 유클리드 거리를 나타내고, s(i,j)는 스프링의 자연 길이를 나타내며, k는 탄성 계수이고, r는 두 노드 사이의 정전기력 상수를 나타내며, w는 두 노드 사이의 가중치를 나타내며, E s 는 탄성 위치 에너지이고, E 는 다이내믹 위치 에너지이다.
본 실시예에 있어서, 우선 스프링 모델을 채용하여 사전 처리 노드의 탄성 위치 에너지를 계산하고; 계산을 통해 획득한 탄성 위치 에너지에 근거하여, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하고, 계산을 통해 획득한 다이내믹 위치 에너지를 이용하여 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성한다.
스프링 모델이든 에너지 모델이든, 그 알고리즘의 핵심은 에너지 최적화 문제를 해결하는 것이며, 상이점은 함수를 최적화하는 구성이 상이한 것이다. 최적화 대상은 인력과 척력 부분을 포함하며, 상이한 알고리즘은 인력과 척력에 대한 표현 방식이 상이하다. 강제 레이아웃 알고리즘은 이해하기 쉽고, 실현하기 쉬우며, 대다수의 네트워크 데이터 셋트에 사용될 수 있으며, 실현 효과로서 양호한 대칭성과 국부적인 중합성이 있다.
중복 제거 처리 유닛(30)은, 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하며, 중복 제거 노드를 출력한다.
강제 레이아웃 알고리즘을 통해 사전 처리 노드를 처리한 후 형성된 초기 네트워크 토폴로지 그래픽 중에 노드 중복이 존재할 수 있기에, 노드 중복으로 인한 초기 네트워크 토폴로지 그래픽의 구조 불명확성을 피하기 위해, 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복된 노드가 균일하게 분산되도록 한다. 본 실시예 중의 중복 제거 노드는 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행한 후 형성된 중복되지 않은 노드를 가리킨다. 도 5에 도시된 바와 같이, 중복 제거 처리 유닛(30)은 구체적으로 좌표 데이터 획득 서브 유닛(31), 데이터 캐시 서브 유닛(32), 노드 중복 제거 처리 서브 유닛(33) 및 중복 제거 노드 출력 서브 유닛(34)를 포함한다.
좌표 데이터 획득 서브 유닛(31)은, 초기 네트워크 토폴로지 그래픽 중의 각 사전 처리 노드의 좌표 데이터를 획득하고, 좌표 데이터는 x 좌표와 y 좌표를 포함한다.
초기 네트워크 토폴로지 그래픽 중, 임의의 사전 처리 노드의 위치는 모두 그 좌표 데이터로 확정될 수 있다. 임의의 두 개의 사전 처리 노드의 좌표 데이터가 같을 경우, 다시 말해서 x 좌표와 y 좌표가 모두 같을 경우, 두 개의 사전 처리 노드는 중복되어 있다.
데이터 캐시 서브 유닛(32)는, 좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장한다.
본 실시예에 있어서, 좌표 데이터가 (x1, y1)의 사전 처리 노드가 두 개이고, 좌표 데이터가 (x2, y2)인 사전 처리 노드가 3개이고, 좌표 데이터가 (x3, y3)인 사전 처리 노드가 4개……인 경우, 좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장하는 것은, 좌표 데이터가 같은 적어도 두 개의 사전 처리 노드를 하나의 캐시 노드 그룹으로 하고, 다시 적어도 하나의 캐시 노드 그룹을 캐시 목록 중에 저장하는 것을 포함한다.
노드 중복 제거 처리 서브 유닛(33)은, 캐시 목록을 탐색하고, 두 개의 좌표 데이터가 같은 사전 처리 노드를 선택하여, 두 개의 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수(random number)를 가하거나 빼어, 두 개의 업데이트된 노드를 형성하며; 캐시 목록 중에 좌표 데이터가 같은 사전 처리 노드가 존재하지 않을 때까지 순차적으로 반복한다.
여기서, 난수는 랜덤으로 생성된 0이 아닌 숫자인 바, k로 설정한다. 난수 k가 0일 경우, 두 개의 좌표가 같은 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수를 가하거나 빼는 것에 의해, 두 개의 중복되지 않은 업데이트된 노드를 형성할 수가 없다.
본 실시예에 있어서, 좌표 데이터가 (x1, y1)인 사전 처리 노드 A 및 B, 사전 처리 노드 A 및 B의 x 좌표 및 y 좌표에 각각 난수 k1를 가하거나 빼어, 두 개의 업데이트된 노드 A'(x1+k1, y1+k1) 및 B'(x1-k1, y1-k1)을 형성하여, 두 개의 사전 처리 노드 A 및 B가 균일하게 분산되도록 한다. 상응하게, 좌표 데이터가 (x2, y2)인 사전 처리 노드 C, D 및 E일 경우, 사전 처리 노드 C 및 D의 x 좌표 및 y 좌표에 각각 난수 k2를 가하거나 빼어, 두 개의 업데이트된 노드 C'(x2+k2, y2+k2) 및 D'(x2-k2, y2-k2)를 형성하여, 3개의 사전 처리 노드 C, D 및 E(x2, y2)가 균일하게 분산되도록 한다. 좌표 데이터가 (x3, y3)인 사전 처리 노드 F, G, H 및 I일 경우, 사전 처리 노드 F 및 G의 x 좌표 및 y 좌표에 각각 난수 K3을 가하거나 빼며, 사전 처리 노드H 및 I의 x 좌표 및 y 좌표에 각각 난 수k4를 가하거나 빼어, 4개의 업데이트된 노드 F'(x3+k3, y3+k3), G'(x3-k3, y3-k3), H'(x3+k4, y3+k4) 및 I'(x3-k4, y3-k4)를 형성하기에, 4개의 사전 처리 노드 F, G, H 및 I가 균일하게 분산되도록 하며……, 캐시 목록 중에 좌표 데이터가 같은 적어도 두 개의 사전 처리 노드가 존재하지 않을 때까지 캐시 목록 중의 모든 좌표 데이터가 같은 사전 처리 노드를 탐색한다.
중복 제거 노드 출력 서브 유닛(34)는, 업데이트된 노드 좌표 데이터와 같은 사전 처리 노드의 존재 여부를 판단하고; 존재할 경우, 업데이트된 노드와 사전 처리 노드를 상기 캐시 목록에 저장하며; 존재하지 않을 경우, 업데이트된 노드를 중복 제거 노드로서 출력한다.
캐시 목록을 탐색하여 형성된 업데이트된 노드가 기타 캐시 목록 중에 저장되지 않은 사전 처리 노드의 좌표 데이터와 같아, 노드 중복 현상이 여전히 존재할 가능성이 있기에, 업데이트된 노드 좌표 데이터어와 같은 사전 처리 노드의 존재 여부를 판단할 필요가 없으며; 존재할 경우, 업데이트된 노드와 사전 처리 노드를 하나의 캐시 노드 그룹으로서 캐시 목록 중에 저장하여, 노드 중복 제거 처리 서브 유닛(33)에 이전하며; 존재하지 않을 경우, 업데이트된 노드를 중복 제거 노드로서 출력하여 타겟 네트워크 토폴로지 그래픽 형성 유닛(40)에 이전한다. 초기 네트워크 토폴로지 그래픽 중의 기타 캐시 목록 중에 저장되지 않은 사전 처리 노드도 중복 제거 노드로서 출력된다.
타겟 네트워크 토폴로지 그래픽 형성 유닛(40)은, 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성한다.
구체적으로, 당해 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행하는 컴퓨터는 중복 제거 노드를 수신하고, 브라우저에서 모든 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 표시하여, 데이터 시각화 결과를 제시한다. 백스테이지 데이터가 업데이트될 시, 다시 노드 사전 처리 유닛(10), 초기 네트워크 토폴로지 그래픽 형성 유닛(20), 중복 제거 처리 유닛(30) 및 타겟 네트워크 토폴로지 그래픽 형성 유닛(40)에 의해 계산하여, 브라우저가 최신 데이터의 데이터 시각화 결과를 표시하도록 하여, 데이터 동기화 업데이트를 실현하며, 전문인원이 데이터를 조정할 필요가 없고, 비용 절감에 유리하고 데이터 시각화의 처리 효율을 향상시킨다.
또한, 노드 사전 처리 유닛(10)에 의해 출력된 사전 처리 노드의 파일 형식이 gexf 파일 형식이고, 초기 네트워크 토폴로지 그래픽 형성 유닛(20) 및 중복 제거 처리 유닛(30) 중에서는 출력된 초기 네트워크 토폴로지 그래픽 및 중복 제거 노드에 대한 형식 변환을 진행하지 않기에, 출력된 중복 제거 노드의 파일 형식은 여전히 gexf 파일 형식이며, 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 과정에서, gexf 파일 형식의 네트워크 전송 데이터의 양이 많고, 응답 속도가 늦다.
상술한 문제점을 해결하기 위해, 당해 네트워크 토폴로지 적응형의 데이터 시각화 장치는 또한, 중복 제거 노드에 대해 파일 형식 변환을 진행하며, json 파일 형식의 중복 제거 노드를 출력하며, json 파일 형식의 중복 제거 노드를 타겟 네트워크 토폴로지 그래픽 형성 유닛(40)에 송신하는 형식 변환 유닛(50)을 포함한다. JSON(Java Script Object Notation)는 경량급의 데이터 교환 형식이다. JSON는 언어와 완전이 독립되는 텍스트 형식을 채용하며, 이러한 특성은 JSON가 이상적인 데이터 교환 언어로 되도록 하며, 읽고 쓰기가 쉽고, 기계에 의한 분석과 생성이 용이한 장점을 갖고 있다.
구체적으로, 중복 제거 노드의 gexf 파일 형식을 분석하여, 노드(node) 정보 및 가장자리(edge) 정보를 획득하며, 노드(node) 정보 및 가장자리(edge) 정보에 따라, json 파일 형식의 중복 제거 노드를 출력한다. gexf 파일 형식의 중복 제거 노드를 json 파일 형식의 중복 제거 노드로 변환시켜, 네트워크 전송 데이터양을 감소시키고, 응답 시간을 향상시키며, 데이터 시각화의 처리 효율을 향상시키는데 유리하다.
본 실시예에서 제공하는 네트워크 토폴로지 적응형의 데이터 시각화 장치는 데이터 시각화의 자동화를 실현할 수 있고, 데이터 시각화 처리 프로세스를 간단화할 수 있고, 인공적인 간섭이 필요 없기에, 인공적인 간섭 비용을 효과적으로 감소시킬 수 있고, 처리 효율을 향상시킬 수 있다. 또한, 당해 네트워크 토폴로지 적응형의 데이터 시각화 장치에 있어서, 중복 포인트의 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 노드 사이의 중복 현상을 없애며, 각 노드가 모두 완전히 제시되도록 하여, 최종 형성된 타겟 네트워크 토폴로지 그래픽의 구조를 선명히 하고, 제시성을 강화시킬 수 있다. 또한, 당해 네트워크 토폴로지 적응형의 데이터 시각화 장치에 있어서, 데이터의 자동 동기화 업데이트를 실현할 수 있어, 작업 수요 분석과 탐색을 실시간으로 진행할 수 있도록 한다.
제3 실시예
도 6은 본 발명의 실시예의 네트워크 토폴로지 적응형의 데이터 시각화 설비의 구조 모식도이다. 구체적으로, 도 6 중의 설비(600)은 핸드폰, 태블릿 PC, 개인 휴대 정보 단말기(Personal Digital Assistant, PDA), 또는 데스크톱 컴퓨터, 서버 등 단말일 수 있으며, 도 6에 도시된 바와 같이, 설비(600)은 무선 주파수(Radio Frequency, RF) 회로(601), 메모리(602), 입력 모듈(603), 표시 모듈(604), 프로세서(605), 오디오 회로(606), WiFi(Wireless Fidelity) 모듈(607) 및 전원(608)을 포함한다.
입력 모듈(603) 및 표시 모듈(604)는 설비(600)의 사용자 상호 작용 장치로서, 사용자와 설비(600) 사이의 상호 작용을 실현하며, 예를 들어, 사용자가 입력한 데이터 시각화 요청을 수신하고 대응되는 상기 타겟 네트워크 토폴로지 그래픽을 표시하여, 데이터 시각화 조작을 실현한다. 입력 모듈(603)은 사용자가 입력한 데이터 시각화 요청을 수신하고, 상기 데이터 시각화 요청을 상기 프로세서(605)에 송신하며, 상기 데이터 시각화 요청은 상기 노드를 포함한다. 상기 프로세서(605)는 수신된 상기 데이터 시각화 요청에 따라, 타겟 네트워크 토폴로지 그래픽을 획득하며, 상기 타겟 네트워크 토폴로지 그래픽을 상기 표시 모듈(604)로 송신한다. 표시 모듈(604)는 상기 타겟 네트워크 토폴로지 그래픽을 수신하고 표시한다.
일부 실시예에 있어서, 입력 모듈(603)은 사용자가 입력한 숫자 또는 문자 정보를 수신하고, 설비(600)의 사용자에 의한 설정 및 기능 제어와 관련된 신호 입력을 생성한다. 일부 실시예에 있어서, 당해 입력 모듈(603)은 터치 패널(6031)을 포함할 수 있다. 터치 패널(6031)은 터치 스크린으로도 불리우며, 그 위 및 부근의 사용자의 터치 조작(예를 들어 사용자가 손가락, 터치펜 등 임의의 적합한 물체 또는 부속품에 의한 터치 패널(6031) 상의 조작)을 수집하고, 미리 설정한 프로그램으로 상응한 연결 장치를 구동시킬 수 있다. 옵션으로, 터치 패널(6031)은 터치 검출 장치 및 터치 컨트롤러 두 부분을 포함할 수 있다. 여기서, 터치 검출 장치는 사용자의 터치 위치를 검출하고, 터치 조작으로 인한 신호를 검출하며, 신호를 터치 컨트롤러에 송신하며; 터치 컨트롤러는 터치 검출 장치 상으로부터 터치 정보를 수신하며, 그것을 터치 좌표로 전환시킨 후, 프로세서(605)에 전송하며, 프로세서(605)가 송신한 명령을 수신하고 수행한다. 이 외에도, 저항식, 캐패시턴스식, 적외선 및 표면 음파 등 각종 유형을 채용하여 터치 패널(6031)을 실현할 수 있다. 터치 패널(6031) 이외에, 입력 모듈(603)은 또한 기타 입력 설비(6032)를 포함할 수 있고, 기타 입력 설비(6032)는, 물리적 키보드, 기능 키(볼륨 제어 단추, 스위치 단추 등), 트랙볼, 마우스, 조이스틱 등 중의 하나 또는 여러 종류를 포함하나, 이에 한정되는 것이 아니다.
터치 패널(6031)은 디스플레이 패널(6041)을 덮어, 터치 스크린을 형성하며, 당해 터치 스크린이 그 위 또는 부근의 터치 조작을 검출한 후, 프로세서(605)에 전송하여 터치 이벤트의 유형을 확정하고, 이어서 프로세서(605)는 터치 이벤트의 유형에 따라, 터치 스크린 상에 상응한 시각적 출력을 제공한다.
터치 패널(6031)은 디스플레이 패널(6041)을 덮어, 터치 스크린을 형성하며, 당해 터치 스크린이 그 위 또는 부근의 터치 조작을 검출한 후, 프로세서(605)에 전송하여 터치 이벤트의 유형을 확정하고, 이어서 프로세서(605)는 터치 이벤트의 유형에 따라, 터치 스크린 상에 상응한 시각적 출력을 제공한다.
터치 스크린은 애플리케이 인터페이스 표시 영역 및 공통 제어 표시 영역을 포함한다. 당해 애플리케이 인터페이스 표시 영역 및 당해 공통 제어 표시 영역의 배열 방식은 한정되는 것이 아니지만 상하 배열, 좌우 배열 등 두 개의 표시 영역을 구분할 수 있는 배열 방식일 수 있다. 당해 애플리케이 인터페이스 표시 영역은 애플리케이의 인터페이스를 표시하는 데 사용될 수 있다. 각 인터페이스는 적어도 하나의 애플리케이의 아이콘 및/또는 widget 데스크탑 컨트롤 등 인터페이스 인소를 포함할 수 있다. 당해 애플리케이 인터페이스 표시 영역도 임의의 내용을 포함하지 않은 빈 인터페이스일 수 있다. 당해 공통 제어 표시 영역은, 예를 들어, 설정 단추, 인터페이스 번호, 스크롤 막대, 전화 번호부 아이콘 등 애플리케이 아이콘 등과 같은, 사용율이 비교적 높은 컨트롤에 사용될 수 있다.
WiFi 모듈(607)은 설비(600)의 네트워크 인터페이스로서, 설비(600)과 기타 설비의 데이터 상호 작용을 실현할 수 있다. 네트워크 인터페이스와 원격 저장 장치는 네트워크를 통해 통신 연결된다. 상기 네트워크 인터페이스는 원격 저장 장치가 송신한 상기 노드를 수신하고, 상기 노드를 상기 프로세서(605)에 송신하며; 또한 상기 프로세서(605)가 송신한 상기 타겟 네트워크 토폴로지 그래픽을 수신하며, 상기 타겟 네트워크 토폴로지 그래픽을 상기 외부 표시 설비에 송신한다. 본 실시예에 있어서, WiFi 네트워크를 통해 당해 네트워크 인터페이스와 연결되는 원격 저장 장치는 클라우드 서버 또는 기타 데이터 베이스일 수 있으며, 당해 원격 저장 장치에는 상기 노드가 저장되어 있고, 상기 노드에 대한 시각화 처리가 필요할 시, 상기 노드를 WiFi 네트워크를 통해 WiFi 모듈(607)에 송신하며, WiFi 모듈(607)은 획득한 상기 노드를 상기 프로세서(605)에 송신한다.
메모리(602)는 제1 메모리(6021) 및 제2 메모리(6022)를 포함한다. 일부 실시예에 있어서, 제1 메모리(6021)는 일시적이지 않은 컴퓨터 판독 가능 저장 매체일 수 있는 바, 운영 체제, 데이터베이스 및 컴퓨터 실행 가능 명령이 저장되어 있다. 컴퓨터 실행 가능 명령은 프로세서(605)에 의해 수행될 수 있으며, 도 1-3에 도시된 실시예의 네트워크 토폴로지 적응형의 데이터 시각화 방법을 실현하는데 이용된다. 제1 메모리(6021)에 저장된 데이터베이스는, 예를 들어, 상술한 네트워크 토폴로지 적응형의 데이터 시각화 방법 중에서 언급된 각종 데이터, 예를 들어 타겟 네트워크 토폴로지 그래픽 및 노드 데이터 등과 같은 각종 데이터를 저장하는데 이용된다. 당해 노드 데이터는 설비(600)에서 생성되고 데이터베이스에 저장된 노드일 수 있고, 네트워크 인테페이스에 의해 수신된, 원격 저장 장치가 송신한 노드이다. 제2 메모리(6021)는 설비(600)의 메모리일 수 있고, 비 휘발성 컴퓨터 판독 가능 저장 매체 중의 운영 체제, 데이터베이스 및 컴퓨터 실행 가능 명령을 위해 캐시된 작동 환경을 제공한다.
본 실시예에 있어서, 프로세서(605)는 설비(600)의 제어 센터로서, 각종 인터페이스 및 회선을 이용하여 핸드폰의 모든 부분을 연결 시키고, 제1 메모리(6021) 내에 저장된 컴퓨터 실행 가능 명령 및/또는 데이터베이스 내의 데이터를 작동시키거나 실행하며, 설비(600)의 각종 기능 및 처리 데이터를 실행하여, 설비(600)에 대한 전체적인 모니터링을 진행한다. 옵션으로, 프로세서(605)는 하나 또는 여러 개의 처리 모듈을 포함할 수 있다.
본 실시예에 있어서, 당해 제1 메모리(6021) 내의 컴퓨터 실행 가능 명령 및/또는 데이터베이스내의 데이터를 수행하는 것을 통해, 프로세서(605)는, 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계; 강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 단계; 상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계; 상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 단계;를 수행할 수 있다.
바람직하게는, 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계는,
각 노드의 노드 색상 및 노드 크기를 획득하는 단계;
각 노드의 노드 색상 및 노드 크기에 대한 데이터 표준화를 진행하여, 각 노드의 표준화 값을 획득하는 단계;
각 노드의 표준화 값 및 파티션 임계값에 따라 노드에 대응하는 구간을 확정하고, 노드에 대응되는 구간을 사전 처리 노드로서 출력하는 단계;를 포함한다.
바람직하게는, 스프링 모델을 채용하여 탄성 위치 에너지를 계산하며, 스프링 모델은,
Figure pct00007
을 포함한다.
탄성 위치 에너지에 따라, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하며, 에너지 모델은,
Figure pct00008
를 포함한다.
여기서, 노드 i 및 j는 d(i,j)에 의해 두 노드의 유클리드 거리를 나타내고, s(i,j)는 스프링의 자연 길이를 나타내며, k는 탄성 계수이고, r는 두 노드 사이의 정전기력 상수를 나타내며, w는 두 노드 사이의 가중치를 나타내며, E s 는 탄성 위치 에너지이고, E 는 다이내믹 위치 에너지이다.
바람직하게는, 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하며, 중복 제거 노드를 출력하는 단계는,
초기 네트워크 토폴로지 그래픽 중의 각 사전 처리 노드의 좌표 데이터를 획득 - 좌표 데이터는 x 좌표와 y 좌표를 포함 - 하는 단계;
좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장하는 단계;
캐시 목록을 탐색하고, 두 개의 좌표 데이터가 같은 사전 처리 노드를 선택하여, 두 개의 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수(random number)를 가하거나 빼어, 두 개의 업데이트된 노드를 형성하며; 캐시 목록 중에 좌표 데이터가 같은 사전 처리 노드가 존재하지 않을 때까지 순차적으로 반복하는 단계;
업데이트된 노드 좌표 데이터와 같은 사전 처리 노드의 존재 여부를 판단하고; 존재할 경우, 업데이트된 노드와 사전 처리 노드를 상기 캐시 목록에 저장하며; 존재하지 않을 경우, 업데이트된 노드를 중복 제거 노드로서 출력하는 단계;를 포함한다.
바람직하게는, 상기 프로세서(605)는 또한, 상기 중복 제거 노드에 대해 파일 형식 변환을 진행하며, json 파일 형식의 중복 제거 노드를 출력한다.
본 실시예에서 제공하는 네트워크 토폴로지 적응형의 데이터 시각화 설비(600)은, 데이터 시각화의 자동화를 실현할 수 있고, 데이터 시각화 처리 프로세스를 간단화할 수 있고, 인공적인 간섭이 필요 없기에, 인공적인 간섭 비용을 효과적으로 감소시킬 수 있고, 처리 효율을 향상시킬 수 있다. 또한, 당해 설비(600)에 있어서, 중복 포인트의 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 노드 사이의 중복 현상을 없애며, 각 노드가 모두 완전히 제시되도록 하여, 최종 형성된 타겟 네트워크 토폴로지 그래픽의 구조를 선명히 하고, 제시성을 강화시킬 수 있다. 또한, 당해 설비(600)에 있어서, 데이터의 자동 동기화 업데이트를 실현할 수 있어, 작업 수요 분석과 탐색을 실시간으로 진행할 수 있도록 한다.
제4 실시예
본 실시예는 비 휘발성 컴퓨터 판독 가능 저장 매체를 제공하고, 상기 저장 매체에는 하나 또는 복수 개의 컴퓨터 판독 가능 명령이 저장되어 있으며, 상기 컴퓨터 판독 가능 명령은 하나 또는 복수 개의 프로세서에 의해 수행되어, 상기 하나 또는 복수 개의 프로세서가 제1 실시예 중의 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행하도록 한다. 중복 설명을 피하기 위해, 상세한 설명은 여기에서 다시 설명하지 않는다.
당업자는 본원에서 개시된 실시예 중의 각 예시 모듈 및 알고리즘 단계가 전자 하드웨어 또는 컴퓨터 소프트웨어와 전자 하드웨어의 조합으로 구현될 수 있다는 것을 인식할 수 있다. 이러한 기능은 하드웨어 또는 소프트웨어로 구현되는지 여부는 기술안의 특정 애플리케이션 및 설계 제약 사항에 따라 결정된다. 당업자는 각 특정 애플리케이션에 대해 상이한 방법을 사용하여 위에서 설명된 기능을 구현할 수 있지만, 그러한 구현은 본 발명의 범위를 벗어나는 것으로 간주되어서는 안된다.
당업자라면, 설명의 편의상 및 간략화를 위해, 상술한 시스템, 장치 및 모듈의 구체적인 작업 과정에 대해, 상술한 방법 실시예에서의 대응하는 과정을 참조할 수 있음을 명확히 이해할 수 있으며, 상세한 설명은 여기에서 다시 설명하지 않는다.
본원에서 제공되는 실시예에 있어서, 개시된 장치 및 방법은 다른 방식으로 구현될 수 있음을 이해해야 한다. 예를 들어, 전술한 장치의 실시예는 단지 예시적인 것이며, 예를 들어, 모듈의 분할은 논리적인 기능적 분할이고 실제 구현에서 다른 분할일 수도 있다. 예를 들어, 복수 개의 모듈 또는 구성 요소가 결합되거나 다른 시스템에 통합되거나 일부 기능을 무시하거나 실행하지 않을 수 있다. 또한, 도시되거나 논의된 상호 결합 또는 직접 결합 또는 통신 접속은 일부 인터페이스, 장치 또는 모듈을 통한 간접 결합 또는 통신 접속일 수 있으며, 전기적, 기계적 또는 다른 형태일 수 있다.
별도의 구성 요소로 설명된 모듈은 물리적으로 분리되어 있을 수도 있고 그렇지 않을수도 있다. 모듈로 표시되는 구성 요소는 물리적 모듈일 수도 있고 아닐수도 있다. 다시 말해서, 한 곳에 배치될 수도 있고 여러 개의 네트워크 모듈에 분산될 수도 있다. 본 실시예에서 솔루션의 목적을 달성하기 위해 모듈의 일부 또는 전부가 실제 요구에 따라 선택될 수 있다.
또한, 본 발명의 각 실시 예에서의 각 기능 모듈은 하나의 처리 모듈에 통합되거나, 각 모듈이 물리적으로 단독으로 존재하거나, 2 이상의 모듈이 하나의 모듈에 통합될 수 있다.
기능이 소프트웨어 기능 모듈의 형태로 구현되고 독립적인 제품으로서 판매되거나 사용되는 경우, 기능은 컴퓨터 판독 가능 저장 매체에 저장될 수 있다. 이러한 이해에 기초하여, 본질적으로 본 발명의 기술 솔루션 또는 종래 기술에 기여하는 부분 또는 기술적 솔루션의 일부는 저장 매체에 저장된 소프트웨어 제품의 형태로 구현될 수 있으며, 명령들은 본 발명의 각 실시예에 따른 방법의 단계들의 전부 또는 일부를 컴퓨터 장치(개인용 컴퓨터, 서버, 네트워크 장치 등일 수 있음)가 실행할 수 있게 하는 데 사용된다. 상기 저장 매체는 USB 플래시 디스크, 착탈식 하드 디스크, ROM, RAM, 자기 디스크 또는 광학 디스크와 같은 프로그램 코드를 저장할 수 있는 다양한 매체를 포함한다.
이상에서 설명한 내용은 본 발명의 특정의 실시 예에 불과한 것으로, 본 발명의 보호 범위가 이에 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 여러 가지 변형이 있을 수 있음은 자명하다. 본 발명의 보호 범위에 포함되어야 한다. 따라서, 본 발명의 보호 범위는 청구 범위의 보호 범위를 따라야 한다.

Claims (19)

  1. 네트워크 토폴로지 적응형의 데이터 시각화 방법에 있어서,
    노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계;
    강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 단계;
    상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계; 및
    상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 단계;를 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 방법.
  2. 제1항에 있어서,
    상기 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계는,
    상기 각 노드의 노드 색상 및 노드 크기를 획득하는 단계;
    각 노드의 노드 색상 및 노드 크기에 대한 데이터 표준화를 진행하여, 상기 각 노드의 표준화 값을 획득하는 단계;
    상기 각 노드의 표준화 값 및 파티션 임계값에 따라 상기 노드에 대응하는 구간을 확정하고, 상기 노드에 대응되는 구간을 상기 사전 처리 노드로서 출력하는 단계;를 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 방법.
  3. 제1항에 있어서,
    상기 강제 레이아웃 알고리즘은,
    스프링 모델을 채용하여 탄성 위치 에너지를 계산하고, 상기 스프링 모델은,
    Figure pct00009
    을 포함하며;
    탄성 위치 에너지에 따라, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하고, 상기 에너지 모델은,
    Figure pct00010
    를 포함하며;
    여기서, 노드 i 및 j는 d(i,j)에 의해 두 노드의 유클리드 거리를 나타내고, s(i,j)는 스프링의 자연 길이를 나타내며, k는 탄성 계수이고, r는 두 노드 사이의 정전기력 상수를 나타내며, w는 두 노드 사이의 가중치를 나타내며, E s 는 탄성 위치 에너지이고, E 는 다이내믹 위치 에너지인 것을 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 방법.
  4. 제1항에 있어서,
    상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계는,
    상기 초기 네트워크 토폴로지 그래픽 중의 각 사전 처리 노드의 좌표 데이터 - 상기 좌표 데이터는 x 좌표와 y 좌표를 포함 - 를 획득하는 단계;
    좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장하는 단계;
    캐시 목록을 탐색하고, 두 개의 좌표 데이터가 같은 상기 사전 처리 노드를 선택하여, 두 개의 상기 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수(random number)를 가하거나 빼어, 두 개의 업데이트된 노드를 형성하며; 상기 캐시 목록 중에 좌표 데이터가 같은 사전 처리 노드가 존재하지 않을 때까지 순차적으로 반복하는 단계;
    상기 업데이트된 노드 좌표 데이터와 같은 사전 처리 노드의 존재 여부를 판단하고; 존재할 경우, 상기 업데이트된 노드와 상기 사전 처리 노드를 상기 캐시 목록에 저장하며; 존재하지 않을 경우, 상기 업데이트된 노드를 상기 중복 제거 노드로서 출력하는 단계;를 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 중복 제거 노드에 대해 파일 형식 변환을 진행하며, json 파일 형식의 중복 제거 노드를 출력하는 단계;를 더 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 방법.
  6. 네트워크 토폴로지 적응형의 데이터 시각화 장치에 있어서,
    노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 노드 사전 처리 유닛;
    강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 초기 네트워크 토폴로지 그래픽 형성 유닛;
    상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 중복 제거 처리 유닛; 및
    상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 타겟 네트워크 토폴로지 그래픽 형성 유닛;을 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 장치.
  7. 제6항에 있어서,
    상기 노드 사전 처리 유닛은,
    각 노드의 노드 색상 및 노드 크기를 획득하는, 노드 획득 서브 유닛;
    각 노드의 노드 색상 및 노드 크기에 대한 데이터 표준화를 진행하여, 각 노드의 표준화 값을 획득하는, 데이터 표준화 서브 유닛; 및
    각 노드의 표준화 값 및 파티션 임계값에 따라 상기 노드에 대응하는 구간을 확정하고, 상기 노드에 대응되는 구간을 상기 사전 처리 노드로서 출력하는, 사전 처리 노드 획득 서브 유닛;을 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 장치.
  8. 제6항에 있어서,
    상기 강제 레이아웃 알고리즘은,
    스프링 모델을 채용하여 탄성 위치 에너지를 계산하고, 상기 스프링 모델은,
    Figure pct00011
    을 포함하며;
    탄성 위치 에너지에 따라, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하고, 상기 에너지 모델은,
    Figure pct00012
    를 포함하며;
    여기서, 노드 i 및 j는 d(i,j)에 의해 두 노드의 유클리드 거리를 나타내고, s(i,j)는 스프링의 자연 길이를 나타내며, k는 탄성 계수이고, r는 두 노드 사이의 정전기력 상수를 나타내며, w는 두 노드 사이의 가중치를 나타내며, E s 는 탄성 위치 에너지이고, E 는 다이내믹 위치 에너지인 것을 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 장치.
  9. 제6항에 있어서,
    상기 중복 제거 처리 유닛은,
    상기 초기 네트워크 토폴로지 그래픽 중의 각 사전 처리 노드의 좌표 데이터 - 상기 좌표 데이터는 x 좌표와 y 좌표를 포함 - 를 획득하는, 좌표 데이터 획득 서브 유닛;
    좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장하는, 데이터 캐시 서브 유닛;
    캐시 목록을 탐색하고, 두 개의 좌표 데이터가 같은 상기 사전 처리 노드를 선택하여, 두 개의 상기 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수(random number)를 가하거나 빼어, 두 개의 업데이트된 노드를 형성하며; 상기 캐시 목록 중에 좌표 데이터가 같은 사전 처리 노드가 존재하지 않을 때까지 순차적으로 반복하는, 노드 중복 제거 처리 서브 유닛; 및
    상기 업데이트된 노드 좌표 데이터와 같은 사전 처리 노드의 존재 여부를 판단하고; 존재할 경우, 상기 업데이트된 노드와 상기 사전 처리 노드를 상기 캐시 목록에 저장하며; 존재하지 않을 경우, 상기 업데이트된 노드를 상기 중복 제거 노드로서 출력하는, 중복 제거 노드 출력 서브 유닛;을 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 장치.
  10. 제6항 내지 제9항 중 어느 한 항에 있어서,
    상기 중복 제거 노드에 대해 파일 형식 변환을 진행하며, json 파일 형식의 중복 제거 노드를 출력하는, 형식 변환 유닛을 더 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 장치.
  11. 네트워크 토폴로지 적응형의 데이터 시각화 설비에 있어서,
    프로세서 및 메모리를 포함하며, 상기 메모리에는 컴퓨터 실행 가능 명령이 저장되고, 상기 프로세서는 상기 컴퓨터 실행 가능 명령을 수행하여,
    노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계;
    강제 레이아웃 알고리즘을 채용하여 상기 사전 처리 노드를 처리하여, 초기 네트워크 토폴로지 그래픽을 형성하는 단계;
    상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계;
    상기 중복 제거 노드에 따라 타겟 네트워크 토폴로지 그래픽을 형성하는 단계;를 수행하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  12. 제11항에 있어서,
    상기 노드에 대한 사전 처리를 진행하여, 사전 처리 노드를 출력하는 단계는,
    상기 각 노드의 노드 색상 및 노드 크기를 획득하는 단계;
    각 노드의 노드 색상 및 노드 크기에 대한 데이터 표준화를 진행하여, 상기 각 노드의 표준화 값을 획득하는 단계;
    상기 각 노드의 표준화 값 및 파티션 임계값에 따라 상기 노드에 대응하는 구간을 확정하고, 상기 노드에 대응되는 구간을 상기 사전 처리 노드로서 출력하는 단계;를 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  13. 제11항에 있어서,
    상기 강제 레이아웃 알고리즘은,
    스프링 모델을 채용하여 탄성 위치 에너지를 계산하고, 상기 스프링 모델은,
    Figure pct00013
    을 포함하며;
    탄성 위치 에너지에 따라, 에너지 모델을 채용하여 다이내믹 위치 에너지를 계산하고, 상기 에너지 모델은,
    Figure pct00014
    를 포함하며;
    여기서, 노드 i 및 j는 d(i,j)에 의해 두 노드의 유클리드 거리를 나타내고, s(i,j)는 스프링의 자연 길이를 나타내며, k는 탄성 계수이고, r는 두 노드 사이의 정전기력 상수를 나타내며, w는 두 노드 사이의 가중치를 나타내며, E s 는 탄성 위치 에너지이고, E 는 다이내믹 위치 에너지인 것을 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  14. 제11항에 있어서,
    상기 초기 네트워크 토폴로지 그래픽 중의 중복된 사전 처리 노드에 대한 중복 제거 처리를 진행하여, 중복 제거 노드를 출력하는 단계는,
    상기 초기 네트워크 토폴로지 그래픽 중의 각 사전 처리 노드의 좌표 데이터 - 상기 좌표 데이터는 x 좌표와 y 좌표를 포함 - 를 획득하는 단계;
    좌표 데이터가 같은 사전 처리 노드를 캐시 목록에 저장하는 단계;
    캐시 목록을 탐색하고, 두 개의 좌표 데이터가 같은 상기 사전 처리 노드를 선택하여, 두 개의 상기 사전 처리 노드의 x 좌표와 y 좌표에 각각 난수(random number)를 가하거나 빼어, 두 개의 업데이트된 노드를 형성하며; 상기 캐시 목록 중에 좌표 데이터가 같은 사전 처리 노드가 존재하지 않을 때까지 순차적으로 반복하는 단계;
    상기 업데이트된 노드 좌표 데이터와 같은 사전 처리 노드의 존재 여부를 판단하고; 존재할 경우, 상기 업데이트된 노드와 상기 사전 처리 노드를 상기 캐시 목록에 저장하며; 존재하지 않을 경우, 상기 업데이트된 노드를 상기 중복 제거 노드로서 출력하는 단계;를 포함하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  15. 제11항 내지 제14항 중 어느 한 항에 있어서,
    상기 프로세서는 또한,
    상기 중복 제거 노드에 대해 파일 형식 변환을 진행하며, json 파일 형식의 중복 제거 노드를 출력하는 단계를 수행하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  16. 제11항에 있어서,
    상기 프로세서에 연결되는 사용자 상호 작용 장치를 더 포함하고, 상기 사용자 상호 작용 장치는, 사용자에 의해 입력된 데이터 시각화 요청을 수신하고. 상기 데이터 시각화 요청을 상기 프로세서에 송신하는데 사용되고, 상기 데이터 시각화 요청은 상기 노드를 포함하며;
    상기 프로세서는 수신된 상기 데이터 시각화 요청에 따라, 타겟 네트워크 토폴로지 그래픽을 획득하며, 상기 타겟 네트워크 토폴로지 그래픽을 상기사용자 상호 작용 장치로 송신하며;
    상기 사용자 상호 작용 장치는, 상기 타겟 네트워크 토폴로지 그래픽을 수신하고 표시하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
    Figure pct00015
  17. 제11항에 있어서,
    기 프로세서에 연결되는 네트워크 인터페이스를 더 포함하고, 상기 네트워크 인터페이스는, 원격 저장 장치와 외부 표시 설비에 연결되고; 상기 네트워크 인터페이스는 상기 원격 저장 장치가 송신한 상기 노드를 수신하고, 상기 노드를 상기 프로세서에 송신하며; 또한 상기 프로세서가 송신한 상기 타겟 네트워크 토폴로지 그래픽을 수신하며, 상기 타겟 네트워크 토폴로지 그래픽을 상기 외부 표시 설비에 송신하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  18. 제11항에 있어서,
    기 프로세서에 연결되는 네트워크 인터페이스를 더 포함하고, 상기 네트워크 인터페이스는, 원격 저장 장치와 외부 표시 설비에 연결되고; 상기 네트워크 인터페이스는 상기 원격 저장 장치가 송신한 상기 노드를 수신하고, 상기 노드를 상기 프로세서에 송신하며; 또한 상기 프로세서가 송신한 상기 타겟 네트워크 토폴로지 그래픽을 수신하며, 상기 타겟 네트워크 토폴로지 그래픽을 상기 외부 표시 설비에 송신하는 것을 특징으로 하는,
    네트워크 토폴로지 적응형의 데이터 시각화 설비.
  19. 비 휘발성 컴퓨터 판독 가능 저장 매체에 있어서,
    하나 또는 복수 개의 컴퓨터 판독 가능 명령이 저장되어 있으며, 상기 컴퓨터 판독 가능 명령은 하나 또는 복수 개의 프로세서에 의해 수행되어, 상기 하나 또는 복수 개의 프로세서가 제1항 내지 제5항 중 어느 한 항의 네트워크 토폴로지 적응형의 데이터 시각화 방법을 수행할 수 있도록 하는 것을 특징으로 하는,
    비 휘발성 컴퓨터 판독 가능 저장 매체.
KR1020187015554A 2016-12-29 2017-03-10 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체 KR102186864B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201611249511.2A CN106685716B (zh) 2016-12-29 2016-12-29 网络拓扑自适应的数据可视化方法及装置
CN201611249511.2 2016-12-29
PCT/CN2017/076291 WO2018120423A1 (zh) 2016-12-29 2017-03-10 网络拓扑自适应的数据可视化方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
KR20180087279A true KR20180087279A (ko) 2018-08-01
KR102186864B1 KR102186864B1 (ko) 2020-12-07

Family

ID=58873310

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187015554A KR102186864B1 (ko) 2016-12-29 2017-03-10 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체

Country Status (8)

Country Link
US (1) US10749755B2 (ko)
EP (1) EP3565181A4 (ko)
JP (1) JP6616893B2 (ko)
KR (1) KR102186864B1 (ko)
CN (1) CN106685716B (ko)
AU (1) AU2017341160B2 (ko)
SG (1) SG11201803896PA (ko)
WO (1) WO2018120423A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220151306A (ko) * 2021-05-06 2022-11-15 한국전자통신연구원 3차원 콘텐츠 생성 방법 및 장치

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9992082B2 (en) * 2015-12-04 2018-06-05 CENX, Inc. Classifier based graph rendering for visualization of a telecommunications network topology
CN107818149B (zh) * 2017-10-23 2021-10-08 中国科学院信息工程研究所 一种基于力导引算法的图数据可视化布局优化方法
CN108363797B (zh) * 2018-01-04 2020-07-10 北京工商大学 一种基于变换的关联图可视分析方法及其系统
JP7167687B2 (ja) * 2018-12-18 2022-11-09 富士通株式会社 情報処理装置、情報処理方法および情報処理プログラム
CN109560973B (zh) * 2019-01-10 2022-02-22 江苏金智科技股份有限公司 一种馈线自动化拓扑链接的增加终端方法及删除终端方法
CN111046516B (zh) * 2019-06-06 2023-11-10 安天科技集团股份有限公司 一种复杂网络拓扑三维布局方法、装置及存储设备
CN110955809B (zh) * 2019-11-27 2023-03-31 南京大学 一种支持拓扑结构保持的高维数据可视化方法
CN111160193B (zh) * 2019-12-20 2024-02-09 中国平安财产保险股份有限公司 关键信息提取方法、装置及存储介质
CN111695223B (zh) * 2020-06-11 2023-03-03 Ut斯达康通讯有限公司 一种网络拓扑布局方法及系统
CN111865698B (zh) * 2020-07-30 2023-10-17 中国电子信息产业集团有限公司第六研究所 一种基于地理信息的自治域级互联网拓扑可视化方法
CN111966821A (zh) * 2020-08-26 2020-11-20 南京柯基数据科技有限公司 一种基于力学原理的知识图谱可视化方法
CN113486619A (zh) * 2021-06-22 2021-10-08 国网新疆电力有限公司昌吉供电公司 一种基于能量模型的单线图分块布局算法
KR20230019715A (ko) 2021-08-02 2023-02-09 국방과학연구소 네트워크 토폴로지 시각화 장치 및 방법
CN113706333A (zh) * 2021-08-10 2021-11-26 国网电子商务有限公司 一种配电网拓扑岛自动生成的方法和系统
CN113673997A (zh) * 2021-08-27 2021-11-19 深圳鼎盛电脑科技有限公司 一种资金计算引擎的可视化处理方法、装置、设备及介质
CN113721894A (zh) * 2021-09-14 2021-11-30 福韵数据服务有限公司 一种基于力导向算法模型的关联关系图绘制方法
CN113904941B (zh) * 2021-09-24 2023-11-03 绿盟科技集团股份有限公司 一种生成拓扑图的方法、系统及电子设备
CN115174286B (zh) * 2022-05-12 2023-11-14 芜湖美的厨卫电器制造有限公司 预防链路重复执行的方法及装置、计算机存储介质及设备
CN114637865B (zh) * 2022-05-12 2022-08-23 支付宝(杭州)信息技术有限公司 关系数据显示方法及装置
CN115277428A (zh) * 2022-07-27 2022-11-01 京东科技信息技术有限公司 用于配置网络的方法和装置
CN115361296B (zh) * 2022-10-19 2023-01-24 北京广通优云科技股份有限公司 一种运维系统中基于人工干预的网络拓扑计算方法
CN115424446B (zh) * 2022-11-03 2023-02-14 深圳市城市交通规划设计研究中心股份有限公司 用于交通组织评估的道路网络拓扑简化方法
CN115914075B (zh) * 2022-11-25 2024-05-17 中国电子科技网络信息安全有限公司 基于路由表的网络拓扑结点生成方法、设备、介质及系统
CN116340305B (zh) * 2023-04-24 2023-10-20 上海叁零肆零科技有限公司 一种燃气管网拓扑中点表线表唯一性的修复方法与系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160110431A1 (en) * 2014-10-16 2016-04-21 International Business Machines Corporation Storage Area Network Zone Optimization
US20160203196A1 (en) * 2015-01-13 2016-07-14 10X Genomics, Inc. Systems and methods for visualizing structural variation and phasing information

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090287991A1 (en) * 2008-05-19 2009-11-19 Battelle Memorial Institute Generation of fusible signatures for fusion of heterogenous data
CN101582793B (zh) * 2009-06-05 2011-03-30 东软集团股份有限公司 网络拓扑图形化显示方法及装置
JP5104911B2 (ja) 2010-06-28 2012-12-19 三星ダイヤモンド工業株式会社 被加工物の加工方法、被加工物の分割方法およびレーザー加工装置
US20120275311A1 (en) * 2011-04-29 2012-11-01 Tektronix, Inc. Automatic Network Topology Detection and Modeling
US20130232452A1 (en) * 2013-02-01 2013-09-05 Concurix Corporation Force Directed Graph with Time Series Data
CN104348643B (zh) * 2013-07-31 2018-05-11 华为技术有限公司 可视化拓扑生成方法和装置
WO2015047431A1 (en) * 2013-09-30 2015-04-02 Mcafee, Inc. Visualization and analysis of complex security information
CN104504082B (zh) * 2014-12-24 2018-05-18 北京德塔普博软件有限公司 多个知识网络的目标知识节点集合的路径展现方法和系统
CN106202353A (zh) * 2016-07-06 2016-12-07 郑州大学 一种时间序列数据的可视化表示方法
US10142183B2 (en) * 2016-08-30 2018-11-27 Oracle International Corporation Snapshotting and instantiating a virtual topology

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160110431A1 (en) * 2014-10-16 2016-04-21 International Business Machines Corporation Storage Area Network Zone Optimization
US20160203196A1 (en) * 2015-01-13 2016-07-14 10X Genomics, Inc. Systems and methods for visualizing structural variation and phasing information

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220151306A (ko) * 2021-05-06 2022-11-15 한국전자통신연구원 3차원 콘텐츠 생성 방법 및 장치

Also Published As

Publication number Publication date
US20190273660A1 (en) 2019-09-05
EP3565181A4 (en) 2020-10-21
JP6616893B2 (ja) 2019-12-04
KR102186864B1 (ko) 2020-12-07
CN106685716A (zh) 2017-05-17
CN106685716B (zh) 2019-04-26
US10749755B2 (en) 2020-08-18
WO2018120423A1 (zh) 2018-07-05
AU2017341160B2 (en) 2020-04-30
AU2017341160A1 (en) 2018-07-19
SG11201803896PA (en) 2018-08-30
JP2019506646A (ja) 2019-03-07
EP3565181A1 (en) 2019-11-06

Similar Documents

Publication Publication Date Title
KR20180087279A (ko) 네트워크 토폴로지 적응형의 데이터 시각화 방법, 장치, 설비 및 저장 매체
CN109492698B (zh) 一种模型训练的方法、对象检测的方法以及相关装置
JP6517352B2 (ja) 翻訳情報の提供方法及びシステム
CN110019825B (zh) 一种分析数据语义的方法及装置
US20220324327A1 (en) Method for controlling terminal, electronic device and storage medium
JP7285874B2 (ja) 巡航制御方法、装置、電子デバイス、車両、コンピュータ可読記憶媒体、およびコンピュータプログラム
JP6640893B2 (ja) 文字を入力する方法及び装置
JP2022529178A (ja) 人工知能推奨モデルの特徴処理方法、装置、電子機器、及びコンピュータプログラム
CN108255706A (zh) 自动化测试脚本的编辑方法、装置、终端设备及存储介质
WO2023005287A1 (zh) 模型预训练方法、装置、电子设备和存储介质
CN107077392A (zh) 用于可视化修改的预取高速缓存
CN105912119A (zh) 用于字符输入的方法和可穿戴装置
EP4083812A1 (en) Robot response method and apparatus, device, and storage medium
US20240152490A1 (en) Model object management and storage system
JP2009134520A (ja) ソーシャルネットワーク表示システム、方法、及びプログラム
JP7205631B2 (ja) 情報処理装置、制御方法及びプログラム
JP2011028501A (ja) 操作内容送信プログラム
CN114035729B (zh) 电子投票方法及装置、终端设备
US20140358306A1 (en) Apparatus and method for processing data in energy management system
US11694021B2 (en) Apparatus for generating annotated image information using multimodal input data, apparatus for training an artificial intelligence model using annotated image information, and methods thereof
JP2014085682A (ja) バイタル情報入力受付システムおよび方法ならびにプログラム
CN114003157A (zh) 一种数据展示的方法及装置、计算机设备和存储介质
CN112748835A (zh) 终端、服务器、最近任务列表显示方法和应用推荐方法
CN112486567A (zh) 代码的合并请求发送方法、装置、电子设备及存储介质
US20220083596A1 (en) Information processing apparatus and information processing method

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant