Структура класифікації методів для візуалізації графів великого розміру

Анотація

У статті розглядається актуальна проблема візуалізації графів великого розміру, яка супроводжується такими викликами, як ускладнення візуального сприйняття графа через велику кількість вершин та ребер, висока складність інтерпретації візуального представлення та низька швидкодія існуючих методів. У роботі виконано аналіз існуючих методів візуалізації, в результаті якого констатується відсутність строгої ієрархічної класифікації цих методів, що ускладнює їх систематизацію, вибір та виявлення перспективних напрямів для подальших досліджень. Метою даного дослідження є розробка структури класифікації існуючих методів візуалізації графів великого розміру. На основі аналізу останніх досліджень та публікацій виділено три основні категорії методів, що вирішують ключові задачі візуалізації: методи присвоєння координат вершинам і ребрам (охоплюють силові, спектральні, генетичні та засновані на графових нейронних мережах методи), методи обробки великих графів (охоплюють методи модифікації графа, вибірки підграфів, створення ієрархії, паралельних обчислень та застосування машинного навчання) та методи оптимізації візуального представлення графів (охоплюють методи мінімізації перетинів ребер, збільшення відстані між вершинами та адаптивного охолодження). Запропонована структура класифікації деталізує кожну з цих категорій на підкатегорії методів, враховуючи відмінності у підходах до вирішення різних частин загальної задачі візуалізації графів великого розміру. Розроблена структура систематизує наявні знання та створює основу для подальшої повної класифікації методів, яка сприятиме обґрунтованому вибору методів візуалізації відповідно до початкового графа, а також визначатиме напрями для розробки нових, більш ефективних методів візуалізації графів великого розміру