Lingua talk: Italiano. Descrizione: La visualizzazione di strutture dati concettualmente complesse è uno dei principali obiettivi per molte applicazioni. L’avvento dei big data ha prodotto grandi e complesse reti, le quali fanno si che i sistemi tradizionali di visualizzazione le rendano troppo sofisticate da essere comprese nel dettaglio; La visualizzazione deve acconsentire all’utente finale di poter percepire tutte le strutture nascoste all’interno della rete, superando i limiti della percezione umana acconsentendo così l’analisi di strutture complesse. Speaker: Simone Ceccarelli - Research Collaborator - RomaTre

1. Visualizing Large Graphs
Simone Ceccarelli

2. Diagrammi della Vita di tutti i Giorni

3. Rete Sociale

4. Orthogonal Drawing
Fonte: http://www.dia.uniroma3.it/~patrigna/graphpictures/

5. Orthogonal Drawing
Fonte: http://www.dia.uniroma3.it/~patrigna/graphpictures/

6. • Efficienza:
• ha lo scopo di permettere la visualizzazione di tutto il grafo, utilizzando le
risorse minime e garantendo interattività.
• Efficacia:
• ha lo scopo di mettere a disposizione una metafora di visualizzazione che
possa mettere in luce tutte le informazioni del grafo e renderle comprensibili
ed accettabili dall'utente finale.
Visualizzazione di Grafi di Grandi dimensioni

7. • Scalabilità Orizzontale:
• Arleo, Alessio, et al. "A million edge drawing for a fistful of
dollars." International Symposium on Graph Drawing. Springer, Cham, 2015
• Arleo, Alessio, et al. "A distributed multilevel force-directed
algorithm." International Symposium on Graph Drawing and Network
Visualization. Springer, Cham, 2016
• Scalabilità Verticale:
• Godiyal, Apeksha, et al. "Rapid multipole graph drawing on the GPU."
International Symposium on Graph Drawing. Springer, Berlin, Heidelberg,
2008.
Efficienza

8. • Clustering:
• Astrazione ad alto livello.
• Problema molto studiato, soluzioni
sia in contesti 2D che 3D
• K-Way Partitioning:
• Quando non si riesce a trovare una decomposizione significativa
• Scenario più pulito per quanto riguarda le connessioni intra-cluster.
• Tecniche di Filtering e Sampling:
• Grado dei nodi - Corness
• Ruolo di un nodo nel grafo - Betweenness
• Rappresentazione Faithful tramite Proxy Graph
Efficacia

9. Un Approccio di Analisi Visuale Basato sulla Connettività

10. Cut Vertices & Block-Cut-Vertex Tree

11. • Obiettivo:
• Identificare Tecniche per la Visualizzazione di Grafi di
Grandi Dimensioni Basate sulla Connettività
• Motivazioni:
• Grado di importanza di un nodo
• Raggiungibilità della rete
• Riduzione del problema iniziale
• Struttura senza intersezioni ed alto livello di astrazione
Connettività

12. • Studio statistico matematico
• distribuzione delle componenti di un grafo tramite l’utilizzo di scale
doppiamente logaritmiche
• Rappresentazione della struttura realizzata tramite la congiunzione
delle componenti bi- & tri- connesse del grafo.
Tecniche Per l’Analisi e la Visualizzazione

13. Distribuzione delle Componenti di un Grafo

14. Rappresentazione Struttura Metafora Space-Filling

15. • Algoritmo di visualizzazione per la struttura della connettività del grafo
• Rappresentazione del resto delle informazioni del grafo
Suddivisione del Problema

16. Requisiti
per una Visualizzazione Efficace

17. Utilizzo di Opportuni Canali per la Percezione Umana

18. Mantenere una Opportuna Suddivisione a Livelli

19. Area, Dimensione dei Nodi e Classificazione dei nodi

20. Area - Ellissi

21. Area

22. Area

23. Visualizzazioni di Grafi di Grandi Dimensioni
• Grafi

24. Tabella dei Grafi

25. Rappresentare il resto delle informazioni del grafo

26. Rappresentazione dei Blocchi

27. Rappresentazione dei Blocchi

28. Rappresentazione dei Blocchi

29. Rappresentazione dei Blocchi

30. Rappresentazione dei Blocchi

31. Rappresentazione degli Archi

32. Interrogazioni al Grafo – Shorthest Path

33. Interrogazioni al Grafo – Richiesta Nodi

34. Interrogazioni al Grafo – Neighbours

35. Interrogazioni al Grafo – Intersezione Tra Nodi

36. Rappresentazione
Componenti Connesse