[发明专利]评价和比较图嵌入模型的可视化分析方法与系统

说明书

本发明提出了一种评价和比较图嵌入模型的可视化分析方法与系统，该方法利用图嵌入模型对航线网络进行向量化表达，根据图数据计算节点度量指标，通过用户选择的嵌入模型和设定的参数得到嵌入结果；从原始图结构、节点度量指标和嵌入结果这三个角度定性评价和比较图嵌入模型；同时通过神经网络回归模型，得到原始图节点度量指标值与图嵌入结果的节点度量指标估计值之间的偏差，根据该偏差得到嵌入模型保留节点度量指标的能力，实现定量评价和比较图嵌入模型。本发明应用于航空交通领域，在应用图嵌入方法对航线网络进行图分析时，根据图分析任务，可以选择优化的图嵌入模型，有效地分析航线网络，为更好的规划机场建设提供决策支持。

技术领域

本发明涉及图的表示学习与可视化领域，主要涉及一种图嵌入模型评价和比较的可视分析方法与系统及其在航线图分析中的应用。

背景技术

随着生活水平的提高，越来越多的人选择坐飞机出行，不论我们飞去哪里，飞机都会按照制定好的航线进行飞行。众多航线与机场构成一个庞大的机场-航线网络。通过分析机场-航线网络特征，进行航线设计、交通枢纽选址和资源配置具有重要意义。例如，确定航线交通枢纽的最佳位置可以帮助航空公司规划和建设综合客运枢纽，发现具有潜在高收益的航线，也可以为旅客提供便捷的“零距离”换乘和一体化衔接服务，节省时间和空间资源，方便分配疏运交通等基础设施的配置数量。通常可以用图来表示机场-航线网络，然而表示航线网络的图节点众多且关联复杂，传统的节点-链接图表示方法很难满足此类网络的分析需求。

通常研究人员用节点度量指标来定量地描述节点的结构信息，如节点的度、中心性、紧密度等。图由节点和边组成，每个节点和边都具有相应的属性，图嵌入是利用一组便于计算的低维稠密向量来表示图(或网络)的技术，它使得图分析变得可计算，从而帮助研究人员有效地完成各类图分析任务。然而不同的嵌入模型在保留原始图特征能力方面表现不同，有的在保留局部特征方面的能力比较强，有的在保留全局特征方面的能力比较强。许多模型并不能很好地保留原始的航线拓扑结构信息，且由于图嵌入模型是黑盒模型，嵌入结果保留了哪些节点特征？不同嵌入模型保留节点特征能力有何不同？模型的参数取值对嵌入模型保留节点特征的能力有何影响？对研究人员来说还是模糊的，盲目地优化目标无法得到预期的结果，因此如何根据用户的需求对不同的嵌入模型进行评价和比较，选择合适的嵌入模型来完成图的向量化，以帮助人们进行图分析，且由于用户的认知能力有限，当节点度量值接近的节点在嵌入空间中的分布规律不够明显时，单独依靠可视分析技术来定性的评价嵌入模型保留节点度量能力是有限而不精准的。特别是当不同的嵌入模型具有相似的节点度量保留能力时，单纯依靠人很难确定哪种模型具有更好的保留度量能力，因此如何通过评价、比较和优化图嵌入模型，选择适合分析任务的图嵌入模型，以及提高图嵌入模型保留图结构特征信息的能力，完善保留航线拓扑结构信息，分析数据中潜在特征，有利于完成各种图分析任务，是一个亟待解决的问题。

发明内容

为了克服上述现有技术的不足，本发明提出了一种支持对图嵌入模型进行评价、比较和优化的用于航线数据的多视图协同交互的可视分析方法和系统，利用图嵌入模型对航线网络进行向量化表达，进而在嵌入结果上计算图结构信息，通过评估和比较不同的图嵌入模型，选择合适的嵌入模型；同时通过改进参数，优化模型，提高图嵌入模型保留航路图结构信息的能力，方便相关部门发现交通枢纽，为更好的规划机场建设、部署机场资源，提供决策支持。

本发明的技术方案如下：

一种评价和比较图嵌入模型的可视化分析方法，构造航线网络，对网络中的所有节点进行量化，根据图数据计算节点度量指标值，通过用户选择的嵌入模型和设定的参数得到嵌入结果；然后，通过神经网络回归模型，得到原始图的节点度量指标值与图嵌入结果的节点度量指标估计值之间的偏差，根据该偏差得到嵌入模型保留节点度量指标的能力，定量评价图嵌入模型保留原始图结构特征的能力；最后将节点度量指标值、嵌入结果和原始图数据分别展示在节点度量视图、嵌入结果视图和原始图结构视图中，帮助用户探索嵌入向量、原始图结构和节点度量指标之间的相关性。如图1所示，具体包括如下步骤：