動的社会ネットワーク可視化のためのノードの質量を考慮したグラフ描画アルゴリズム

• Item type: Trans(1)
• 公開日: 2025-08-28
• タイトル / 言語: ja
• タイトル: 動的社会ネットワーク可視化のためのノードの質量を考慮したグラフ描画アルゴリズム
• タイトル / 言語: en
• タイトル: A Graph Drawing Algorithm Incorporating Vertex-mass for Visualizing Dynamic Social Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [オリジナル論文] 社会ネットワーク分析，グラフ描画アルゴリズム，動的ネットワーク，力学モデル，EMA，モーメンタム
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 名古屋工業大学
• 著者所属: 名古屋工業大学
• 著者所属: 名古屋工業大学
• 著者所属: 中部大学
• 著者所属: 名古屋工業大学
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者所属(英): en
• 著者所属(英): Chubu University
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者名: 島,孔介; 武藤,敦子; 森山,甲一; 松井,藤五郎; 犬塚,信博
• 著者名(英): Kosuke Shima; Atsuko Mutoh; Koichi Moriyama; Tohgoroh Matsui; Nobuhiro Inuzuka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 人や組織，地域などの社会的なつながりを分析するプロセスとして，社会ネットワーク分析が広く行われている．近年では，SNSの普及により，ユーザのフォロー·フォロワー関係やビジネスチャットツールにおけるチーム参加など，時系列的に変化する社会構造のデータが注目されている．社会ネットワークの構造を俯瞰するための可視化手法として力学モデルが開発されており，広く用いられている．一方で，従来のグラフ可視化アルゴリズムは前時刻における座標と現時刻におけるトポロジのみから座標を決定しており，長期的な時系列性を考慮した可視化ができていない．本研究では，力学モデルによるノード座標決定において，ノードの質量を考慮し，モーメンタムを用いた座標決定モデルを提案する．本モデルは前時刻のノード座標と力学モデルから算出される座標の差分に対して指数平滑移動平均（EMA）を適用することで，EMAの更新重みに応じた質量をノードに与えることができる．また更新重みにノードの中心性を適用することで，ノードの重要性を質量としてモデル化している．本研究における実験では，Stanford Network Analysis Projectが提供している大規模動的ネットワークを用いて，提案モデルによる可視化を行い，従来手法による可視化との比較を行った．本実験により，提案手法はネットワーク構造が変化する過程をノードの重要性を考慮して可視化できていることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Social Network Analysis (SNA), the process of analyzing the topology of social relationships among individuals, organizations, and regions, has garnered significant attention from researchers. Recently, the proliferation of social networking services (SNS) has enabled the analysis of dynamic social topologies, such as follower-followee relationships on SNS platforms or team-attendance patterns in business chat applications. In the SNA field, physics-based graph visualization models have been developed as a force-directed model that positions vertices based on defined physical forces. However, existing graph visualization models primarily focus on previous coordinates and current forces, neglecting the consideration of long-term temporal sequences. In this research, we propose a novel model that incorporates the concept of vertex mass. The proposed model applies the Exponential Moving Average (EMA) to the differences between previous coordinates and the output of the force-directed model. In this approach, the EMA weights represent the mass of vertices, allowing the model to assign weights based on the centrality of the vertices. This means the model accounts for the importance of vertices by treating them as masses. To evaluate the proposed model, we conducted experiments comparing visualizations produced by the existing method and our model using large-scale temporal social network datasets from the Stanford Network Analysis Project. The results demonstrated that the proposed model effectively visualizes the dynamic processes of network evolution while accounting for the importance of vertices.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 18, 号 3, p. 109-118, 発行日 2025-08-28
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会