OnionGraph：融合属性与拓扑的多层次网络可视化工具

"OnionGraph是针对多元网络可视化与层次拓扑的一种新型可视化工具，旨在结合节点属性和网络拓扑的层次结构，适用于大规模异构网络的探索性分析。该框架支持节点的聚合、拆分、合并和过滤操作，并且利用信息论导航方法实现自动化遍历。OnionGraph采用了洋葱形状的隐喻来表示包含节点子集的聚合，以指示不同层次的抽象。在三个实际案例中进行了评估，证明其在百万节点规模的网络上仍能保持良好的交互性能。" OnionGraph的设计理念是层次抽象，这是一种处理大型网络的有效策略。它允许用户基于节点的属性（如作者的隶属关系和研究兴趣）或网络的拓扑结构（如节点间的连接模式）对网络进行分层聚合。这种聚合方式提供了更高级别的视图，有助于理解网络的整体结构，同时允许用户通过焦点+上下文的交互模型深入到细节中。 在OnionGraph中，节点可以基于属性和拓扑的混合标准进行聚合，这使得用户能够灵活地调整视角，根据需要查看网络的不同层面。此外，OnionGraph引入了信息熵的概念，用于指导自动遍历和过滤过程，帮助用户发现网络中的关键模式和结构。这种信息论导航方法能够根据信息熵的变化来优化视觉表示，从而揭示网络中的重要特征。 在实际应用中，OnionGraph已经在三个真实的案例研究中进行了验证，包括合著网络、书目网络和社会网络等。这些案例表明，即使在网络规模达到百万节点时，OnionGraph也能在普通桌面设备上保持高效的运行速度，确保分析的交互性。这使得研究人员和分析师能够在复杂网络环境中快速理解和探索数据。 OnionGraph是网络可视化领域的一个重要进展，它结合了属性和拓扑的层次抽象，提供了强大的交互工具，对于理解和分析异构多元网络具有重大价值。其在大规模网络中的表现能力和信息熵导向的导航特性，为网络分析提供了新的可能性，有望在学术研究、数据挖掘和社会网络分析等多个领域得到广泛应用。