NetV.js：基于Web的大规模图形网络高效可视化库

视觉信息学5（2021）61NetV.js：一个基于Web的库，用于大规模图形和网络的高效可视化韩东明a，b，潘嘉诚a，b，赵晓东a，b，陈伟a，陈伟浙江大学CAD CG国家重点实验室，浙江省杭州市b浙江实验室，中国ar t i cl e i nf o文章历史记录：2021年1月28日收到2021年1月29日接受在线预订2021年保留字：图图形可视化网络可视化节点链接图a b st ra ct图形可视化在社交媒体网络、蛋白质-蛋白质相互作用网络和交通网络等多个领域中发挥着重要作用。一些可视化设计工具和编程工具包已被广泛应用于图相关的应用。然而，一个关键的挑战仍然是在大规模图形数据的高效可视化。在这项研究中，我们提出了NetV.js，这是一个开源的基于WebGL的JavaScript库，它支持大数据的快速可视化。使用商用计算机以交互式帧速率缩放图形数据（最多5万个节点和1百万条边）。实验结果表明，我们的库在性能方面优于现有的工具包（Sigma.js，D3.js，Cytoscape.js和Stardust.js）版权所有2021作者。由爱思唯尔公司出版我代表浙江大学和浙江大学出版社有限公司这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍图形可视化在多个领域中发挥着重要作用，例如在金融数据分析中显示欺诈交易（Chen et al. ，2019），探索社会媒体图中的信息传播（Smith et al. ，2009），以及在生物图中可视化蛋白质-蛋白质相互作用（Doncheva et al. ，2012）。一系列可视化创作工具（Satyanarayan et al. ，2014; Méndez et al. ，2016; Kim等人，2016）已经被开发以促进图形可视化的设计和创建（Luetal. ， 2020; Satyanarayan and Heer ， 2014; Zong et al. ， 2020年）。值得注意的是，D3.js（Bostock et al. ，2011年）大大降低了基于Web的可视化创作的难度，并赋予可视化社区，其次是许多基于Web的图形可视化工具。在各种类型的视觉表示（赫尔曼等人。，2000），节点链接图是最流行的一个（潘等。，2020 b），因为它可以揭示拓扑和连通性（Ghoniem等人，2004）。然而，开发人员需要特别注意使用通用可视化创作工具（如D3.js）操纵节点链接图的视觉元素（Bostock et al. ，2011），P4（Li and Ma，2018，2020a，b），and Stardust.js（Ren et al. ，2017年）。例如，使用D3.js创建节点链接图需要通过数据驱动文档方案将数据元素映射到图形标记。开发人员需要将数据实体（节点和链接）映射到可视元素（例如，界和*通讯作者。电子邮件地址：chenwei@cad.zju.edu.cn（W. 陈）。https://doi.org/10.1016/j.visinf.2021.01.002线），计算节点位置，并根据其连接的节点计算每条链路的起始位置和结束位置。此外，当布局改变或节点被拖动时，开发人员必须更新节点链接图。一些类似的可视化节点链接图的需求可以抽象和封装到相关的接口，以减少工作量。一些图形可视化创作工具，诸如Cytoscape. js（Franz et al. ，2016年）和Sigma.js（Coene，2018年），通过封装图形可视化的相关接口，隐藏不相关的接口（例如，控制链接的位置），并为开发人员公开与图形相关的接口（例如，访问节点的邻域它们通过利用节点链接图的特性来提高可用性。对于大规模的图形，大量的图形标记（例如，节点和边）需要被处理。然而，大多数工具在实时显示图形数据方面的能力有限。如第5节所述，在可视化节点数高于5000的图时会发生严重延迟，从而导致不愉快的用户体验。据我们所知，没有一个现有的工具可以同时满足创作可用性和用户可访问性的要求。我们分析了节点链接图可视化设计需求，并贡献了NetV.js（https://netv.zjuvag）。org/），一个基于Web的高性能可视化库。它提供了一个高可用性的一套节点链接相关的功能和接口，并增加了用户的可访问性，利用GPU的高性能渲染能力。我们评估我们的实施与比较实验。2468- 502 X/©2021作者。由爱思唯尔公司出版代表浙江大学和浙江大学出版社。这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表视觉信息学期刊主页：www.elsevier.com/locate/visinfD. Han，J. Pan，X. Zhao等人视觉信息学5（2021）61622. 相关工作许多图书馆（Li et al. ，2018; Mei et al. ，2020年; Tableau软件，2020年）（工具，语法和框架）已经为基于图的应用程序提供（Wang et al. ，2018; Panet al. ，2020a）。最初，开发人员使用传统的编程语言来构建图形可视化应用程序，例如C Sharp、C++、JavaScript和Python。开发人员需要熟练的编程技能并理解实现机制（Reas and Fry，2003，2005）。同时，他们花费大量的时间在开发和调试上。为了使这个过程更容易，可视化语法和框架（Satyanarayan和Heer，2014; Zong et al. ，2020;Heer和Bostock，2010）允许在可视化的视觉通道上进行详细配置。 代表包括D3.js（Bostocket al. ，2011）、ECarts（Li et al. ，2018），Vega（Satyanarayan et al. ，2016）和Vega-Lite（Satyanarayanet al. ，2017年）。然而，开发人员仍然需要谨慎地选择复杂的API来构建图形，因为API是为通用可视化而不是图形可视化应用而设计的。或者，可以使用图形可视化工具，例如Cytoscape. js（Franz et al. ，2016）、Sigma.js（Coene，2018）和Gephi（Bastianet al. ，2009年），设计和实现特定的功能，以简化施工过程。与此同时，数据量在效率方面提出了巨大的挑战。一些文库（ Heer et al. ， 2005;Wickham ， 2011;Ren等 人， 2014 ） 使 用HTML 画布来绘制视觉元素，因此性能较低。 PixiJS （ Van derSpuy，2015）、P5（Li和Ma，2020 a）和Stardust.js（Ren et al. ，2017年）使用基于GPU的技术，使自己适合大量的元素。但是，它们不是专门为图形可视化设计的，并且包含图形可视化不必要的冗余API。然而，他们的渲染效率有很大的潜力，以提高。NetV.js的目标是大规模节点链接图的高效可视化。它利用基于GPU的可视化框架来提高渲染性能，并设计友好的简洁编程接口来有效地操作图形元素。3. 设计3.1. 设计要求为了探索NetV.js的设计空间，我们采访了三位图形可视化专家 。 然 后 ， 我 们 研 究 了 五 个 图 形 可 视 化 工 具 ， 包 括 Gephi（Bastian et al. js（Franz et al. ，2016年），SNAP（Leskovec和Sosivec，2016年），Sigma.js（Coene，2018年）和GraphViZ（Ellson et al. ，2003年）。我们总结了以下高性能节点链接图可视化的设计要求：R1一个抽象的图模型来操作图数据。 在节点链接图中，可视元素（图形标记）与数据元素（节点和链接）一一对应。开发人员只需要操作图形数据元素，而不是访问可视元素。为了简化原始数据的处理和可视化，开发人员需要一个抽象的图模型。应支持以下几个功能：R1.1节点链路连接。的基本特征图是每个链路连接两个节点。在绘制节点-链路图时，设计者只需关注节点位置的修改，而忽略链路的位置。链接的位置应自动确定。R1.2邻居的可访问性。图的另一个特征是一个节点与其邻居节点和邻居链路之间的连接。我们发现，一些图形可视化系统支持突出显示的邻居节点和链接的重点节点。所有三位专家都同意，图模型需要支持节点访问其邻居。R1.3基本图论算法。图算法在某些场景中起着重要的作用。例如，一些重要的测量（例如，节点度、节点中心性）可以突出兴趣点（POI），并且最短路径查找算法可以帮助开发者跟踪两个节点之间的关联。R2大规模节点链路图的高帧速率。帧速率会影响用户体验。用户接口将以低帧速率缓慢响应或甚至停止响应。根据我们对三位专家的采访，高性能渲染的经验法则是“达到每秒30帧（FPS）渲染具有超过10万个视觉元素的R3节点和链接的基本样式。开发人员经常需要对节点链接图上的信息进行编码，例如用节点大小对度进行编码。虽然圆形节点和直线链接在大规模节点链接图中很受欢迎，但节点和链接可以具有不同的形状和样式。最常见的节点形状包括圆形、矩形和三角形，最常见的链接形状包括直线和曲线。R4布局算法。节点链接图对布局的依赖性因此，NetV.js应该提供一些基本的布局算法。考虑到布局算法的多样性，NetV.js应该为开发人员提供接口来定制他们的布局算法。R5自定义标签。标签显示节点和链接的基本信息虽然在大规模的节点链接图中为所有元素绘制标签会导致视觉混乱，但开发人员可以采用一些策略来选择部分元素来绘制标签。NetV.js应该为开发人员提供绘制自定义标签的接口。R6基本互动。通过对专家的访谈和对图形可视化创作系统的调研 应 该 支 持 mouseover 、 mousemove 、 mouseout 、mouseup和mousedown等鼠标事件，以构建更复杂的交互，还应该支持选择交互，如lasso。3.2. 设计细节我们设计并实现了NetV.js，它由三个主要部分组成：图形模型管理器，渲染引擎和交互管理器（图1）。我们将R4、R5和R6中的选择交互隔离到三个不同的插件中，以减少NetV.js的代码长度。3.2.1. 图形模型管理器为了帮助开发人员以统一的方式（R1）操作数据和可视化，我们在NetV.js中设计了图模型管理器（图1）。1（a））。图模型管理器的核心是数据容器。它存储数据元素，包括节点和链接。每个节点包含唯一标识符（id）。其样式存储在样式属性和坐标存储在位置中D. Han，J. Pan，X. Zhao等人视觉信息学5（2021）6163Fig. 1. 我们的系统由三个主要部分组成：（a）图形模型管理器，（b）渲染引擎，（c）交互管理器。属性其他信息存储在属性中。类似地，每个链接都包含一个源和一个目标，它们表示链接连接的两个音符。样式和其他信息都存储在样式和属性中。在NetV.js中，节点和链接存储在从Node和Link类实例化的对象中。此外，它们是从元素派生的。支持添加、删除、修改、查询和计算数据元素或可视元素数据设置器旨在添加和删除数据元素。数据获取器被设计为查询元素（例如，通过ID查询节点）。 开发人员可以通过数据修改器修改元素的样式和属性。NetV.js支持几种常见的图形算法。考虑到它们与图形可视化没有很强的关系，我们只实现了几个接口，例如邻居节点/链接查询（R1.2）和最短路径查找（R1.3）。图形模型管理器还可以操作全局配置，例如画布3.2.2. 渲染引擎为了实现R2，渲染引擎使用GPU的高性能渲染能力。渲染引擎的工作流程包括（1）将元素的样式和位置映射到WebGL着色器变量中，（2）使用WebGL API将相应的数据加载到WebGL缓冲区中，以及（3）将缓冲区中的数据通过这种方式，渲染引擎最终将数据传输到浏览器我们设计了一种被动的缓冲区修改策略：当开发者修改元素的样式时，图模型管理器不会调用渲染引擎来修改WebGL缓冲区。但是，它会将修改后的元素存储到缓存池中。当开发人员刷新画布时，渲染引擎遍历缓存池中的元素以获取相关属性并覆盖其相应的缓冲区内容。相应的策略是在开发者修改元素样式时，主动修改WebGL缓冲区。它是直观的，因为数据向前流动但是，每次修改一个元素时，图形模型管理器都会调用渲染引擎的相关接口来更改缓冲区。它加深了调用堆栈，降低了渲染效率。链接的位置不能直接修改（R1.1）。然而，当开发人员修改他们连接的节点的位置时，链接将被缓存到池中. 渲染引擎将在画布刷新时更新链接的WebGL缓冲区此外，渲染引擎支持渲染几种基本样式的节点和链接（R3）。节点可以呈现为四种不同的形状：圆形，矩形，三角形，图二. NetV.js中支持的代表性交互。画布事件包括缩放、平移和单击。Link事件包含单击。此外，节点事件包括单击和拖动。还有十字架开发人员可以控制圆形节点的半径（r）、矩形节点的宽度和高度、三角形节点的顶点（vertexAlpha、vertexBeta和vertexGamma）以及交叉节点的厚度和大小它们可以设置各种节点的填充颜色（fill）、边框颜色（strokeColor）和边框宽度（strokeWidth）。支持两种不同的链接（直线和曲线）。此外，开发人员可以控制曲线边缘的曲率。这两种链接支持颜色（strokeColor）、宽度（strokeWidth）和破折号数组（dashInterval）的设置。3.2.3. 交互管理器交互管理器提供了一系列基本交互（R6）。NetV.js监听画布上的几个鼠标事件（mouseover、mouseout、mousemove、mousedown、mouseup和mousewheel）。所有这些事件在节点、链接和画布上都受支持。我们通过组合不同的事件实现了几个复杂的交互。例如，NetV.js通过监听和组合mousewheel、mousedown、mousemove和mouseup来支持节点拖动可以分解为几个部分：dragstart、draging和dragend。当按下并移动鼠标时，将触发dragstart，然后进行拖动。如果释放鼠标，随后会触发dragend和mouseup。图2显示了节点、链接和画布上的事件。为了确定鼠标点击了哪个元素，渲染引擎生成一个隐藏的画布 ， 将 元 素 的 唯 一 开 发 人 员 可 以 使 用 接 口getElementByPosition（）来获取在鼠标聚焦像素上编码的标识符，可以立即收集像素。D. Han，J. Pan，X. Zhao等人视觉信息学5（2021）6164图三.（ a）自定义样式、（b）标签插件、（c）套索选择、（d）和（e）的 图 示 是两个 大规模数据集。3.2.4. 布局插件可视化节点链接图依赖于布局算法来提供节点的相对位置不同的布局算法有不同的接口，我们的插件打算设计一套统一的接口，方便开发者调用（R4）：start（）：调用start（）接口使算法进入处理。为了提高前端性能，NetV.js创建另一个线程（使用异步计时器），计算的布局结果. stop（）：调用stop（）接口会立即停止布局线程。onTick（）：调用onTick（）使开发人员能够通过其回调访问布局算法的中间状态。某些布局算法不提供中间status. NetV.js使用插值函数生成中间状态。它使布局过程更加顺畅。onStop（）：调用onStop（）向开发人员提出停止状态并返回布局结果。它将在算法完成或开发人员调用stop（）接口时触发。为了解决R4，实现了基于这些接口的径向树布局和力导向布局。在未来，我们将添加更多的布局算法，以促进可视化。开发人员还可以使用我们的接口实现他们的布局算法。3.2.5. 标签插件实现了一个标签绘制插件来帮助创建元素的标签（R5）。在绘制大规模的节点链接图时，为所有元素绘制标签将导致严重的视觉混乱。因此，我们假设开发人员只会为少数元素渲染标签，例如选择一些POI节点或区域来绘制标签。因此，我们选择SVG作为标签渲染工具，以提高可扩展性。除了默认的文本标签外，开发人员还可以通过创建标签模板来自定义标签3.2.6. 选择插件一个选择插件实现，以方便元素选择。常见的操作包括框选择和套索选择。开发人员可以在回调函数中获取所选的结构4. 示例在本节中，我们将展示各种示例来说明NetV.js的用法。4.1. 基本图形绘制图4示出了具有三个部分的基本情况：初始化、加载数据和呈现。testData说明了图形数据图四、一 种绘制三个 节点和两条 边的基本单位。4.2. 定制样式图形可视化最重要的功能是绘制具有不同风格的图形，包括元素的颜色、笔画、半径和位置。图3显示了使用NetV.js设置自定义样式。开发人员可以自定义每个元素的样式，并在初始化部分设置默认样式具体地，初始化配置项设置在“中4.3. 相互作用NetV.js支持一系列基本交互，包括平移、缩放和鼠标悬停。图图5（b）显示了几种内在的相互作用。4.4. 插件NetV.js支持使用不同的绘制技术（如SVG、Canvas和WebGL）显示标签（图3（b））。NetV.js还支持套索交互（图3（c））来选择节点和不同的布局算法。图5（a）示出了标签、套索和布局的插件配置。4.5. 大规模图形NetV.js旨在渲染大规模图形。图3（d）显示了finan512数据集（Davis和Hu，2011）的图形可视化结果，其中有74，752个节点和261，129条边。图3（e）显示了bcsstk31数据集（Davis和Hu，2011）的图形可视化结果，其中有35，590个节点和572，915条边。NetV.js可以很容易地支持渲染数百万个元素，因为它使用了WebGL.5. 实验图6显示了不同大小的NetV.js和其他五个工具的数据集上的FPS，1即D3-SVG，D3-Canvas，Cytoscape. js，格式. 在本例中，初始化部分挂起画布到文档1https://github.com/ZJUVAG/NetV.js/tree/benchmarks/benchmarks。····D. Han，J. Pan，X. Zhao等人视觉信息学5（2021）6165图五、（ a）插件配置和（b）内置交互的代码示例。见图6。 六个工具包的性能比较。Sigma.js和Stardust.js。特别是NetV.js、Sigma.js和Star-dust.js使用WebGL。为了模拟真实世界的图数据，我们将图密度设置为20 ， 这 意 味 着 边 数 与 节 点 数 的 比 例 为 1 实 验 在 配 备 有 GPU（NIVIDIA GTX 1060，6G）和刷新率为144 HZ的监视器的PC上进行。Stardust.js和D3-Canvas可以渲染多达10万个元素。同时，NetV.js可以渲染超过100万个元素，FPS大于1。6. 结论这项研究提出了NetV.js，一个开源的，基于WebGL的JavaScript库的大规模节点链接图。在未来，我们计划扩展NetV.js以支持异构图。我们还打算实现更多的可视化组件和可视化分析算法来分析图形数据。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作确认本文得到国家自然科学基金（61772456）的资助.引用巴斯蒂安，M.，Heymann，S.，Jacomy，M.， 2009. Gephi：一个用于探索和操纵网络的开源软件。In：Adar，E.，赫斯特，M.，Finin，T.，Glance，N.S.，Nicolov，N.，Tseng，B.L.（编），第三届网络日志和社会媒体国际会议论文集，ICWSM 2009，美国加利福尼亚州圣何塞，2009年5月17日至20日。TheAAAI Press，URLhttp://aaai.org/ocs/index.php/ICWSM/09/paper/view/154.博斯托克，M.，Ogievetsky，V.，Heer，J.，2011年。D3数据驱动文档。IEEE可见光透射Comput.Graph.17（12），2301-2309。http://dx.doi.org/10.1109/TVCG.2011.185.陈伟，Guo，F.，汉，D.，潘杰，聂，X.，夏，J.，张，X.，2019.基于结构的暗示性探索：一种有效探索大型网络的新方法.IEEE Trans.目视Comput. Graph. 25（1），555网址：//dx.doi.org/10.1109/TVCG.2018.2865139网站。Coene，J.，2018. Sigmajs：sigma.js可视化库的R htmlwidget接口。J. 开源软件3（28），814。 http://dx.doi.org/10.21105/joss。00814。戴维斯，助教，Hu，Y.，2011.佛罗里达大学稀疏矩阵集合。ACMTrans. 数学软件。38（1），1Doncheva，N.T. Assenov，Y.，Domingues，F.S.，Albrecht，M.，2012.生物网络和蛋白质结构的拓扑分析和交互式可视化。Nat. 协议7（4），670。Ellson，J.，甘斯纳急诊室Koutsofios，E.，南卡罗来纳州北部，Woodhull，G.，2003. Graphviz和dynagetrix-静态和动态图形绘制工具。在：图形绘制软件.Springer-Verlag，pp. 127-148.弗朗兹，M.，洛佩斯CT哈克，G.，董，Y.，Sümer，S.O.，巴德，G. D.，2016. js：用 于 可 视 化 和 分 析 的 图 论 库 。 生 物 信 息 。 32 （ 2 ） ， 309-311 。http://dx.doi.org/10.1093/bioinformatics/btv557网站。Ghoniem，M.，Fekete，J. D、Castagliola，P.，2004.使用节点链接和基于矩阵表示的图形可读性的比较。IEEE Symposium on Information Visualization（IEEE信息可视化研讨会）pp. 17-24. http://dx.doi的网站。org/10.1109/INFVIS.2004.1。Heer，J.，博斯托克，M.，2010.交互式可视化的声明性语言设计。IEEE Trans.目视Comput. Graphics 16（6），1149Heer，J.，卡，S.K.，Landay，J.A.，2005.交互式信息可视化工具包。在：SIGCHI会议的程序在计算系统中的人为因素。pp. 421-430赫尔曼岛梅兰松湾马歇尔，硕士，2000.信息可视化中的图形可视化和导航：综述。IEEETrans.Vis.Comput.Graphics6（1），24-43.http://dx.doi.org/10.1109/2945.841119网站。Kim，N.W.，Schweickart，E.，刘志，Dontcheva，M.，李伟，Popovic，J.，菲斯特，H.，2016年。数据驱动指南：支持信息图形的表达设计。IEEE Trans.目视Comput. Graphics 23（1），491Leskovec，J.，索西弗河，2016. SNAP：一个通用的网络分析和图形挖掘库。ACMTrans.内特尔系统Technol. （TIST）8（1），1.李，J.K.，妈，K L.，2018. P4：用于交互式信息可视化的可移植并行处理管道。IEEE Trans. Vis. Comput. Graphics 26（3），1548-1561.李，J.K.，妈，K.，2020年a。P5：用于交互式数据分析和可视化的便携式渐进并行 处 理 管 道 。 IEEE Trans. 目 视 Comput. Graph. 26 （ 1 ） ， 1151-1160 。http://dx.doi.org/10.1109/TVCG.2019.2934537网站。李，J.K.，妈，K L.，2020年b。P6：一种用于将机器学习集成到可视化分析中的声明性语言。IEEE Trans.目视Comput. Graphics-遗漏广西快乐Li， D.， Mei， H.， 沈 ， Y. ， Su ， S. ， 张 伟 ， 王 杰 ， Zu ， M.， 陈 伟 ， 2018 年Echarts：一个快速构建基于Web的可视化的声明性框架。目视告知。2（2），136http://dx.doi.org/10.1016/j.visinf.2018.04.011网站。D. Han，J. Pan，X. Zhao等人视觉信息学5（2021）6166卢，J，王杰，是的H顾，Y.，丁志徐，M.，陈伟，2020年。用数据视频说明时间序列数据的变化。IEEE计算Graph. Appl. 40（2），18Mei，H.，关，H.，Xin，C.，温，X.，陈伟，2020. Datav：在大型高分辨率显示器上进行数据可视化。目视通知4（3），12Méndez，G. G.，Nacenta，文学硕士，Vandenheste，S.，2016. iVoLVER：用于可视化提取和重建的交互式视觉语言。在：2016年CHI计算机系统人为因素会议论文集，pp。4073-4085.潘杰，陈伟，赵，X.，Zhou，S.，Zeng，W.，Zhu，M.，陈杰，Fu，S.，吴，Y.，2020 年 a 。 基 于 示 例 的 节 点 链 接 图 布 局 微 调 。 IEEE Trans.目 视 Comput.Graphics-遗漏广西快乐潘，J. - c.将该混合物干燥，汉，D.-m.，郭，F.-z.，周，D.-W.，曹，N.，他，J。-r.，徐文L.，陈伟，2020年b。RCAnalyzer：动态网络中稀有类别的可视化分析。 前面INF. Technol.电子学。Eng. 21，491Reas，C.，弗莱，B.，2003.处理：一个创建交互式Web图形的学习环境。在：ACMSIGGRAPH 2003 Web Graphics，pp.一比一Reas，C.，弗莱，B.，2005.处理. org：学习计算机编程的网络环境。在：ACMSIGGRAPH 2005 Web Program，pp.14-es。Ren，D.，Höllerer，T.，Yuan，X.，2014.信息可视化的表达性交互设计。IEEETrans.可视化计算Graph. 20（12），2092-2101。Ren，D.，李，B.，Höllerer，T.，2017. Stardust：可扩展和透明的GPU支持信息 可 视 化 渲 染 。 Comput.Graph.Forum36 （ 3 ） ， 179-188.http://dx.doi.org/10.1111/cgf.13178网站。Satyanarayan，A.，Heer，J.，2014. Lyra：一个交互式可视化设计环境。在：计算。Graph.论坛33，（3），Wiley Online Library，pp. 351 -360Satyanarayan，A.，Moritz，D.，Wongsuphasawat，K.，Heer，J.，2017. Vega-lite：交互式图形的语法。IEEE Trans. Vis. Comput. Graph. 23（1），341-350。http://dx.doi.org/10.1109/TVCG.2016.2599030网站。Satyanarayan，A.，拉塞尔，R.，Hoffswell，J.，Heer，J.，2016. Reactive Vega：一个声明式交互式可视化的流媒体架构。IEEE Trans. 目视Comput. Graph. 22（1），659 http://dx.doi.org/10.1109/TVCG。2015.2467091。Satyanarayan，A.，Wongsuphasawat，K.，Heer，J.，2014.数据可视化的声明式交互设计。第27届ACM用户界面软件与技术研讨会论文集。669-678史 密 斯 ， MA ， Shneiderman ， B. ， Milic-Frayling ， N. ， Rodrigues ， E.M. ，Barash，V.，邓恩角，澳-地卡彭，T.，Perer，A.，Gleave，E.，2009.使用NodeXL分析（社交媒体）网络。在：卡罗尔，J.M. (Ed.)、第四届社区与技术国际会议论文集，C T 2009，University Park，PA，美国，2009年6月25-27日。ACM，pp. 255-264. 得双曲正切值. doi.org/10.1145/1556460.1556497网站。Van der Spuy，R.， 2015. 学习pixi。 js. 压。Tableau软件。 https://www.tableau.com//网站。 (Last访问：1月2020年）。王，X.，陈伟，Chou，J.- K.，布莱恩角，关，H.，陈伟，潘河，妈，K L.，2018.GraphProtector：一个可视化界面，用于使用和评估多个隐私保护图算法。IEEETrans. Vis. Comput. Graphics 25（1），193-203.Wickham，H.，2011. Ggplot2. Wiley Interdisciplinary Rev.国家主义者。3（2），180-185。宗，J.， Barnwal，D.， Neogy，R.， Satyanarayan，A.， 2020. 天琴座2：通过演示设计交互式可视化。IEEE Trans. Vis. Comput. Graphics-遗漏广西快乐