Visual Network Analysis

2,580 views

Published on

Published in: Sports, Technology
  • Be the first to comment

Visual Network Analysis

  1. 1. Visual Network AnalysisTommaso Venturinitommaso.venturini@sciences-po.org
  2. 2. Today’s menu1. The complexity of complex networks2. Beheading the complexity of networks3. Visual network analysis with Gephi
  3. 3. DeployinginnovationnetworksPart I:The complexity of complex networks
  4. 4. The bad news:networks are complex
  5. 5. The power law(pareto’s law)characteristicscale distributionscale-freedistribution
  6. 6. The power law Barabási, Albert-László (2002)Linked: The New Science of Networks
  7. 7. Networks of scientificpapers D. De Solla Prince, 1965Science, 149(3683) : 510-515
  8. 8. The Kevin Bacon numberhttp://oracleofbacon.org/
  9. 9. The Paul Erdosnumber http://www.ams.org/mathscinet/collaborationDistance.html
  10. 10. The Erdos-Baconnumber http://en.wikipedia.org/wiki/Erd%C5%91s%E2%80%93Bacon_number
  11. 11. The Erdos-Baconnumber5 6 1
  12. 12. The complexity of complexnetwork
  13. 13. Complex network asrhizomes“Unlike trees or their roots, the rhizome connects any point to any other point”Gilles Deleuze & Felix Guattari “A Thousand Plateaus”, 1980“The main feature of a net is that every point can be connected with every otherpoint, and where the connections are not yet designed, they are, however,conceivable and designable.A net is an unlimited territory”Umberto Eco, “Semiotics and the Philosophy of Language”, 1986
  14. 14. DeployinginnovationnetworksPart II:Beheading networkcomplexity
  15. 15. Carving more than assembling
  16. 16. For example:two types of network-mapsthe (pseudo-) exhaustive ones
  17. 17. For example:two types of network-mapsthe good onesthe (pseudo-) exhaustive ones
  18. 18. An (pseudo-) exhaustive map ofthe Web http://internet-map.net
  19. 19. A goodmap of the Web politicosphere.blog.lemonde.fr
  20. 20. Making networksreadeable
  21. 21. A small complex network
  22. 22. Exploiting the power law to makethings readable
  23. 23. The layers of the Web
  24. 24. The layers of complex networks(visibility)impossible to missmore or less visiblehigher layerlower layermiddle layeralmost invisible
  25. 25. The layers of complex networks(connectivity)Highly linkedlocally and globallyHighly linked locallyScarcely linked globallyhigher layerlower layermiddle layerScarcely linkedlocally and globally
  26. 26. The reverse gravity of networks(many ascending links)higher layerlower layermiddle layer
  27. 27. The reverse gravity of networks(few descending links)higher layerlower layermiddle layer
  28. 28. Cutting aboveand belowcuttingarbitrary choiceeasy separation EverywhereNowhereSomewhere
  29. 29. Ripping the sidesRippingconstrained choicedifficult separation
  30. 30. Anatomyof a corpusCoreTendrilsNebulahigher layerlower layermiddle layer
  31. 31. Part III:Visual network with GephiDeployinginnovationnetworks
  32. 32. Learn howto use Gephi http://gephi.org/users/
  33. 33. Overview windowGephi.org
  34. 34. Data laboratory windowGephi.org
  35. 35. Preview windowGephi.org
  36. 36. 1. nodes position – layout2. nodes size – ranking3. nodes color – partitions3 visual variables of analysisGephi.org
  37. 37. L’analyse du réseau en 6 questionsApplication d’une spatialisation force-vecteur1. Quelles sont les débats/communautés discursives ?(identification des clusters de nœuds)2. Quels sont les sites au centre des débats/communautés ?(identification des nœuds centraux dans le réseau et les clusters)3. Quels sont les sites qui connectent les débats/communautés ?(identification des ponts/bridge entre les différents clusters)Application d’une classement par degrée-entrant/sortant4. Quels sont les sites leaders d’opinion du débat en ligne ?(identification des autorités du graphe)5. Quels sont les sites qui fédèrent le le débat en ligne ?(identification des hubs du graphe)Application d’une coloration par partition6. Comment sont reparties les différentes catégories de sites ?(évaluation de la cohérence topologie/catégorisation)
  38. 38. Application d’une spatialisation force-vecteur (ForceAtlas 2)• LinLog mode(maximizes the legibility of clusters)• Prevent overlap(enhances legibility, but distorts spatialization)• Scaling(increases/decreases all distance proportionally)• Gravity(pulls everything towards the center, preventsdispersions, but distorts spatialization)• Approximate repulsion(accelerate spatialization on large graphs, but
  39. 39. Quelles sont les débats/communautés discursives ?(identification des clusters de nœuds)
  40. 40. Quelles sont les débats/communautés discursives ?(identification des clusters de nœuds)
  41. 41. HeatGraph(use Google Chrome) http://tools.medialab.sciences-po.fr/heatgraph/
  42. 42. Quels sont les sites au centre des débats/communautés ?(identification des nœuds centraux dans le réseau et les clusters)
  43. 43. Quels sont les sites qui connectent les débats/communautés ?(identification des ponts/bridge entre les différents clusters)
  44. 44. Application d’un classement par degrée-entrant/sortant
  45. 45. Quels sont les sites leaders d’opinion du débat en ligne ?(identification des autorités du graphe)
  46. 46. Quels sont les sites qui fédèrent le le débat en ligne ?(identification des hubs du graphe)
  47. 47. Application d’une colorationpar partitions
  48. 48. Comment sont reparties les différentes catégories de sites ?(évaluation de la cohérence topologie/catégorisation)
  49. 49. Comment sont reparties les différentes catégories de sites ?(évaluation de la cohérence topologie/catégorisation)
  50. 50. tommaso.venturini@sciences-po.org

×