2. • NodeXL является свободным, открытым исходным кодом
SNA для работы с Excel.
• Обеспечивает мгновенное графическое представление
сложных сетевых данных.
• Инструмент поддерживает целый ряд плагинов импорта
данных из различных социальных сетей.
• NodeXL численно отображает ключевые параметры сети:
кластеры (группы) пользователей, ранги узлов, плотность
графа.
4. • 1 – переключение между различными вкладками.
• 2 – импорт данных в NodeXL. Можно импортировать данные из
социальных сетей: Flickr, YouTube, Twitter, Facebook (требуется
плагин).
• 3 – Обновить визуализацию графа после изменения его свойств.
• 4 – Автоматизация и выполнение ряда задач.
• 5 – Выбор макета графика, который будет использоваться для
визуализации графа.
• 6 – Выбор типа связей (направленные или нет).
• 7 – Использование "Автозаполнения Столбцов». Например, можно
изменить цвет, форму, размер и прозрачность узлов и ребер.
5. • 8 – Изменение визуальных характеристик (цвет, размер, форма,
ширина линии, прозрачность и т.д.) отдельных узлов или ребер.
• 9 – Расчет различных показателей.
• 10 – Динамический фильтр.
6. Установка и запуск NodeXL
Загрузка доступна по адресу http://nodexl.codeplex.com/releases/view/98221
После установки NodeXL в
интерфейсе Excel появится
новая вкладка NodeXL.
7. Импорт данных
Для сбора данных Twitter с использованием NodeXL, вы должны выбрать один из
трех доступных вариантов импорта:
1) сеть на основе списка пользователей
2) сеть, основанная на поиске / хэш-тегах
3) сеть вокруг определенного пользователя. (Вершины – это люди, которые
следуют за пользователем
10. В столбец “Image File” на вкладке Vertices автоматически добавятся URL
фотографий пользователей Twitter-сети.
11. Графическая панель
Можно настроить
некоторые визуальные
свойства, влияющие на
отображение узлов и ребер.
12. Подключение фотографий профилей
пользователей вместо узлов
Чтобы использовать образы вместо узлов, нужно зайти в меню Graph Options и
в разделе Shape выбрать Image, после чего обновить граф.
16. Алгоритмы и схемы представления графа
Алгоритм Fruchterman-Reingold полезен для визуализации очень
больших не ориентированных сетей. Он гарантирует близость узлов, которые
логически размещены близко один от другого, и наоборот, отдаленность
дальних узлов. Алгоритм невозможно применить для сетевых структур весьма
больших размеров, из-за его низкое быстродействие.
Быстрый многошкальный алгоритм Harel и Koren использует для
огрубления графа так называемую GC-фильтрацию. Эвристика Harel и Koren
основана на том, что: вершины, близко расположенные в графе, должны быть
расположены близко на изображении. Используя эту эвристику, можно
аппроксимировать хорошее размещение,
используя алгоритм для хорошо известной проблемы k-кластеризации.
Цикловая структура графа, а также спираль, горизонтальная
(вертикальная) синусоида, сетка и др.