Esta dissertação apresenta MagnetViz, uma técnica para visualização de grafos. Enquanto a maior parte das técnicas visualizam um layout de grafo estático pre-computado, MagnetViz permite que usuários dinamicamente alterem o layout de um grafo de forma a melhor satisfazer suas necessidades. Isso é feito ao construir em cima da metáfora de física de algoritmos dirigidos à força para proporcionar aos usuários imãs virtuais, que podem atrair nodos que satisfazem um conjunto de critérios associados a eles. Critérios podem ser baseados na topologia ou semântica do grafo. Através de boundary shapes, que são simples formas geométricas que podem ser colocadas ao redor de imãs, usuários podem também definir regiões na cena onde os nodos atraídos devem permanecer. Grafos são descritos usando GraphML, uma linguagem baseada em XML, que permite a especificação dos nodos e arestas e de atributos para essas entidades. Após a submissão de um grafo como entrada, MagnetViz o exibe utilizando uma versão modificada do algoritmo clássico de Fruchterman and Rheingold, e permite que usuário, a seguir, insira imãs na cena. Usuários podem construir as condições associadas aos imãs utilizando os atributos dos nodos e arestas, além de atributos topológicos próprios de grafos. Para a avaliação de MagnetViz, foi primeiro analisado o desempenho da técnica ao ajudar usuários a executarem tarefas definidas por uma taxonomia de tarefas de visualização de grafos encontrada na literatura. Então, MagnetViz foi testada em um contexto prático através de um estudo de caso. Uma rede de co-autorias foi escolhida como conjunto de dados e o protótipo de MagnetViz foi inicialmente usado para responder questões relevantes a esses dados e então testado por um grupo de potenciais usuários, que tinham de usa-lo para responder essas mesmas perguntas. Após testar a aplicação, os sujeiotos receberam questionários sobre usas opiniões quanto a usabilidade, aplicabilidade, relevância e resultados visuais da técnica. Enquanto alguns aspectos da técnica ainda podem ser melhorados, os resultados da avaliação provaram que MagnetViz é uma abordagem válida para interação com visualizações de grafos. / This dissertation presents MagnetViz, a technique for the visualization of graphs. While most techniques visualize a static pre-computed graph layout, MagnetViz allows users to dynamically alter the layout of a graph to better satisfy their needs. This is done by building on the physics metaphor of force-directed algorithms to provide users with virtual magnets, which can attract nodes that fulfill a set of criteria associated with them. Criteria can be based on either the topology or semantics of the graph. Through boundary shapes, which are simple geometric shapes that can be placed around magnets, users can also define regions within the scene where the attracted nodes should remain. Graphs are described in GraphML, a XML-like description language which allows the specification of nodes and edges between nodes as well as attributes associated to nodes and edges. After loading a graph, Magnetviz displays it using a slightly modified version of the classical Fruchterman and Reingold' algorithm, and allows the user to insert magnets. Users can build the criteria associated with the magnets using the attributes of nodes and/or edges, besides the common graphs' topological attributes. For MagnetViz's evaluation, it was first analyzed how the technique fared in aiding users to perform tasks defined by a graph visualization task taxonomy described in the literature. Then, MagnetViz was tested within a practical context by means of a case study. A co-authorship network was chosen as the target dataset. The MagnetViz prototype was initially used to answer questions relevant to this dataset and then tested by a group of potential users, who had to use it to answer these same questions. After trying the application, subjects answered questionnaires about their opinion on the technique's usability, applicability, relevance and visual results. While some aspects of the technique should still be refined, results of the evaluation proved MagnetViz to be a valid approach when it comes to interaction with graph visualizations.

Esta dissertação apresenta MagnetViz, uma técnica para visualização de grafos. Enquanto a maior parte das técnicas visualizam um layout de grafo estático pre-computado, MagnetViz permite que usuários dinamicamente alterem o layout de um grafo de forma a melhor satisfazer suas necessidades. Isso é feito ao construir em cima da metáfora de física de algoritmos dirigidos à força para proporcionar aos usuários imãs virtuais, que podem atrair nodos que satisfazem um conjunto de critérios associados a eles. Critérios podem ser baseados na topologia ou semântica do grafo. Através de boundary shapes, que são simples formas geométricas que podem ser colocadas ao redor de imãs, usuários podem também definir regiões na cena onde os nodos atraídos devem permanecer. Grafos são descritos usando GraphML, uma linguagem baseada em XML, que permite a especificação dos nodos e arestas e de atributos para essas entidades. Após a submissão de um grafo como entrada, MagnetViz o exibe utilizando uma versão modificada do algoritmo clássico de Fruchterman and Rheingold, e permite que usuário, a seguir, insira imãs na cena. Usuários podem construir as condições associadas aos imãs utilizando os atributos dos nodos e arestas, além de atributos topológicos próprios de grafos. Para a avaliação de MagnetViz, foi primeiro analisado o desempenho da técnica ao ajudar usuários a executarem tarefas definidas por uma taxonomia de tarefas de visualização de grafos encontrada na literatura. Então, MagnetViz foi testada em um contexto prático através de um estudo de caso. Uma rede de co-autorias foi escolhida como conjunto de dados e o protótipo de MagnetViz foi inicialmente usado para responder questões relevantes a esses dados e então testado por um grupo de potenciais usuários, que tinham de usa-lo para responder essas mesmas perguntas. Após testar a aplicação, os sujeiotos receberam questionários sobre usas opiniões quanto a usabilidade, aplicabilidade, relevância e resultados visuais da técnica. Enquanto alguns aspectos da técnica ainda podem ser melhorados, os resultados da avaliação provaram que MagnetViz é uma abordagem válida para interação com visualizações de grafos. / This dissertation presents MagnetViz, a technique for the visualization of graphs. While most techniques visualize a static pre-computed graph layout, MagnetViz allows users to dynamically alter the layout of a graph to better satisfy their needs. This is done by building on the physics metaphor of force-directed algorithms to provide users with virtual magnets, which can attract nodes that fulfill a set of criteria associated with them. Criteria can be based on either the topology or semantics of the graph. Through boundary shapes, which are simple geometric shapes that can be placed around magnets, users can also define regions within the scene where the attracted nodes should remain. Graphs are described in GraphML, a XML-like description language which allows the specification of nodes and edges between nodes as well as attributes associated to nodes and edges. After loading a graph, Magnetviz displays it using a slightly modified version of the classical Fruchterman and Reingold' algorithm, and allows the user to insert magnets. Users can build the criteria associated with the magnets using the attributes of nodes and/or edges, besides the common graphs' topological attributes. For MagnetViz's evaluation, it was first analyzed how the technique fared in aiding users to perform tasks defined by a graph visualization task taxonomy described in the literature. Then, MagnetViz was tested within a practical context by means of a case study. A co-authorship network was chosen as the target dataset. The MagnetViz prototype was initially used to answer questions relevant to this dataset and then tested by a group of potential users, who had to use it to answer these same questions. After trying the application, subjects answered questionnaires about their opinion on the technique's usability, applicability, relevance and visual results. While some aspects of the technique should still be refined, results of the evaluation proved MagnetViz to be a valid approach when it comes to interaction with graph visualizations.

Vizz3D is a graph visualization tool developed at Växjö University. It is used to visualize different aspects of software systems in 3D, based on the static analysis of source code. It can optionally use Java3D or OpenGL as a graphics library. In order to visualize huge 3D structures performance is very important. This comes from the fact that the structures must be redrawn with no delay when a user interacts with the system. If there were a delay the user would loose the cognitive orientation because his interaction and the feedback would not fit. Vizz3D was not capable to run huge visualizations fast enough, and therefore careful optimisation was essential. Additionally, the Vizz3D tool is just at the beginning of its software life cycle. For optimisation, JOGL (Java Bindings for OpenGL) was chosen. The extension with a JOGL version was necessary since the GL4Java (OpenGL for Java) wrapper used for the implementation of Vizz3D is no longer supported. JOGL was therefore needed for assuring future maintainability. The JOGL version of Vizz3D was optimised to be able to visualize huge graphs with acceptable performance. To determine what areas of Vizz3D that consumed most of its resources, the process of profiling were used. The system performance was improved according to several aspects: Computational performance, Scalability, Perceived performance, RAM footprint and Start-up time. The results were then evaluated by using benchmarking techniques. After optimisation, the performance of Vizz3D was improved a lot which led to that huge graphs now could be visualized with acceptable performance.

Esta dissertação apresenta MagnetViz, uma técnica para visualização de grafos. Enquanto a maior parte das técnicas visualizam um layout de grafo estático pre-computado, MagnetViz permite que usuários dinamicamente alterem o layout de um grafo de forma a melhor satisfazer suas necessidades. Isso é feito ao construir em cima da metáfora de física de algoritmos dirigidos à força para proporcionar aos usuários imãs virtuais, que podem atrair nodos que satisfazem um conjunto de critérios associados a eles. Critérios podem ser baseados na topologia ou semântica do grafo. Através de boundary shapes, que são simples formas geométricas que podem ser colocadas ao redor de imãs, usuários podem também definir regiões na cena onde os nodos atraídos devem permanecer. Grafos são descritos usando GraphML, uma linguagem baseada em XML, que permite a especificação dos nodos e arestas e de atributos para essas entidades. Após a submissão de um grafo como entrada, MagnetViz o exibe utilizando uma versão modificada do algoritmo clássico de Fruchterman and Rheingold, e permite que usuário, a seguir, insira imãs na cena. Usuários podem construir as condições associadas aos imãs utilizando os atributos dos nodos e arestas, além de atributos topológicos próprios de grafos. Para a avaliação de MagnetViz, foi primeiro analisado o desempenho da técnica ao ajudar usuários a executarem tarefas definidas por uma taxonomia de tarefas de visualização de grafos encontrada na literatura. Então, MagnetViz foi testada em um contexto prático através de um estudo de caso. Uma rede de co-autorias foi escolhida como conjunto de dados e o protótipo de MagnetViz foi inicialmente usado para responder questões relevantes a esses dados e então testado por um grupo de potenciais usuários, que tinham de usa-lo para responder essas mesmas perguntas. Após testar a aplicação, os sujeiotos receberam questionários sobre usas opiniões quanto a usabilidade, aplicabilidade, relevância e resultados visuais da técnica. Enquanto alguns aspectos da técnica ainda podem ser melhorados, os resultados da avaliação provaram que MagnetViz é uma abordagem válida para interação com visualizações de grafos. / This dissertation presents MagnetViz, a technique for the visualization of graphs. While most techniques visualize a static pre-computed graph layout, MagnetViz allows users to dynamically alter the layout of a graph to better satisfy their needs. This is done by building on the physics metaphor of force-directed algorithms to provide users with virtual magnets, which can attract nodes that fulfill a set of criteria associated with them. Criteria can be based on either the topology or semantics of the graph. Through boundary shapes, which are simple geometric shapes that can be placed around magnets, users can also define regions within the scene where the attracted nodes should remain. Graphs are described in GraphML, a XML-like description language which allows the specification of nodes and edges between nodes as well as attributes associated to nodes and edges. After loading a graph, Magnetviz displays it using a slightly modified version of the classical Fruchterman and Reingold' algorithm, and allows the user to insert magnets. Users can build the criteria associated with the magnets using the attributes of nodes and/or edges, besides the common graphs' topological attributes. For MagnetViz's evaluation, it was first analyzed how the technique fared in aiding users to perform tasks defined by a graph visualization task taxonomy described in the literature. Then, MagnetViz was tested within a practical context by means of a case study. A co-authorship network was chosen as the target dataset. The MagnetViz prototype was initially used to answer questions relevant to this dataset and then tested by a group of potential users, who had to use it to answer these same questions. After trying the application, subjects answered questionnaires about their opinion on the technique's usability, applicability, relevance and visual results. While some aspects of the technique should still be refined, results of the evaluation proved MagnetViz to be a valid approach when it comes to interaction with graph visualizations.

Graphs have been successfully employed in avariety of problems and applications, being the object of study in modeling, analysis and construction of visual representations. While different approaches exist for graph visualization,most of them suffer from the severe clutter when the number of nodes or edges is large. Among the approaches that handle such problem, edge bundling techniques attained relative success on improving the quality of the visual representations by bending and aggregating edges in order to produce an organized layout. Despite this success, most of the exiting techniques create edge bundles based only on the visual space information, that is, there is no explicit connection between the edge bundling layout and the original data. There fore, these techniques generates less meaningful bundles and may lead users to misinterpret the data. This masters research presents a novel edge bundling technique based on the similarity relationships among vertices. We developed such technique based on two assumptions. First, it supports the hypothesis that edge bundling can better represent the data when there is an inherent connection between the proximity among the elements in the information space and the proximity between edges in the edge bundling layout. We address this question by presenting a similarity bundling framework, that considers the similarity between vertices when performing the edges bending. To guide the bundling, we create a similarity hierarchy, called backbone. This is based on a multilevel partition of the data, which groups edges of similar vertices. Second, we also support that a multiscale representation improves the visual and complexity scalability of bundling layouts. We present a multiscale edge bundling, which allows an overview plus detailed exploration, coarsening or revealing the bundling at different levelsof the same visualization. Our evaluation framework shows that our backbone produces a balanced hierarchy with a good representation of similarity relationships among vertices. Moreover, the edge bundling layout guided by the backbone reduces the visual clutter and surpass state-of-the-art techniques in displaying global and local edge patterns. / Grafos são empregados com sucesso em uma grande variedade de problemas e aplicações, sendo objeto de estudo na modelagem, análise e na construção de representações visuais. Embora existam diferentes formas para a visualização de grafos, a maioria delas sofrem pela desorganização do espaço visual quando o número de vértices ou arestas é alto. Entre as abordagens que lidam com este problema, as técnicas de agrupamentos visuais de arestas obtiveram sucesso na melhora da representação visual pelo encurvamento e agrupamento de arestas que aperfeiçoam a organização da representação. Apesar deste sucesso, a maioria das técniques criam grupos de arestas baseados apenas na informação do espaço visual, não existindo conexão explícita entre o desenho no espaço visual e o conjunto de dados original. Dessa forma, estas técnicas produzem agrupamentos de arestas com baixa significância e podem levar o usuário a uma interpretação incorreta da informação. Esta pesquisa de mestrado apresenta uma nova técnica de agrupamento visual de arestas baseado nas relações de similaridade entre os vértices. Nós desenvolvemos esta técnica com base em duas premissas. Primeiro, ela defende a hipótese que a representação por agrupamento de arestas pode representar melhor o conjunto de dados se existir uma conexão inerente entre a proximidade dos elementos no espaço de informação e a proximidade entre arestas no desenho de arestas agrupadas. Nós atendemos esta questão apresentando um arcabouço para o agrupamento de arestas baseado em similaridade, que considera a similaridade entre vértices para realizar o encurvamento das arestas. Para guiar este encurvamento, nós criamos uma estrutura de similaridade, denominada backbone. Esta estrutura é baseada em um particionamento multi-nível do conjunto de dados, que agrupa arestas de vértices similares. A segunda premissa, nós também defendemos que uma representação multiescala melhora a escalabilidade computacional e visual da representação visual de arestas agrupadas. Nós apresentamos um agrupamento visual multi-nível de arestas que permite uma exploração generalizada e detalhada, revelando detalhes em múltiplos níveis da visualização. Nosso processo de avaliação mostra que a construção do backbone produz uma hierarquia balanceada e com boa representação das relações de similaridade entre os vértices. Além disso, a visualização com arestas guiadas pelo backbone reduz a desordem visual e melhora as técnicas do estado-da-arte na identificação de padrões de arestas globais e locais.

Bancos de dados relacionais são fontes de dados rigidamente estruturadas, caracterizadas por relacionamentos complexos entre um conjunto de relações (tabelas). Entender tais relacionamentos é um desafio, porque os usuários precisam considerar múltiplas relações, entender restrições de integridade, interpretar vários atributos, e construir consultas SQL para cada tentativa de exploração. Neste cenário, introduz-se uma metodologia em duas etapas; primeiro utiliza-se um grafo organizado como uma estrutura hierárquica para modelar os relacionamentos do banco de dados, e então, propõe-se uma nova técnica de visualização para exploração relacional. Os resultados demonstram que a proposta torna a exploração de bases de dados significativamente simplificada, pois o usuário pode navegar visualmente pelos dados com pouco ou nenhum conhecimento sobre a estrutura subjacente. Além disso, a navegação visual de dados remove a necessidade de consultas SQL, e de toda complexidade que elas requerem. Acredita-se que esta abordagem possa trazer um paradigma inovador no que tange à compreensão de dados relacionais / Relational databases are rigid-structured data sources characterized by complex relationships among a set of relations (tables). Making sense of such relationships is a challenging problem because users must consider multiple relations, understand their ensemble of integrity constraints, interpret dozens of attributes, and draw complex SQL queries for each desired data exploration. In this scenario, we introduce a twofold methodology; we use a hierarchical graph representation to efficiently model the database relationships and, on top of it, we designed a visualization technique for rapidly relational exploration. Our results demonstrate that the exploration of databases is deeply simplified as the user is able to visually browse the data with little or no knowledge about its structure, dismissing the need of complex SQL queries. We believe our findings will bring a novel paradigm in what concerns relational data comprehension.

This thesis explores the topic of how one can streamline a data journalists analytical workflow in a graph visualization environment. Interactive graph visualizations have been used recently by data journalists to investigate the biggest leaks of data in history. Graph visualizations empower users to find patterns in their connected data, and as the world continuously produces more data, the more important it becomes to make sense of it. The exploration was done by conducting semi-structured interviews with users, which illuminated three categories of insights called Graph Readability, Charts in Graphs and Temporality. Graph Readability was the category that were conceptualized and designed by integrating user research and data visualization best practises. The design process was concluded with a usability test with graph visualization developers, followed by a final iteration of the concept. The outcome resulted in a module that lets users simplify their graph and preserve information by aggregating nodes with similar attributes.

Network visualizations have been used for quit long time. Different disciplines use this visualization to compare a given dataset. Identifying better comparison approach that is used for information visualization is indispensable both for the people who are using it and for developers who are looking for a better way of visualizing huge data. In this thesis a task based approach has been used to analyze two different network comparison approaches namely Juxtaposition (showing different objects compared in separate space or time) and Superposition (overlaying objects in the same space). Thirty students at Linnaeus University have participated in the questionnaire to evaluate the usability of the two approaches. SPSS tool is used to analyze the data collected from the participants and the result explicitly indicates that there is no significant variation between Juxtaposition and Superposition comparison approaches. The result can be used as a recommendation for domain specific professionals and developers in their quest for better network comparison for their audience.

Large-scale graph analysis and visualization is becoming a more challenging task, due to the increasing amount of graph data. This dissertation focuses on methods to ease the task of exploring large-scale graphs through graph sampling and visualization. Graph sampling aims to reduce the complexity of graph drawing, while preserving properties of the original graph, allowing analysis of the smaller sample which yields the characteristics similar to those of the original graph. Graph visualization is an effective and intuitive approach to observing structures within graph data. For large-scale graphs, graph sampling and visualization are straightforward strategies to gain insights into common issues that are often encountered. This dissertation evaluates commonly used graph sampling methods through a combined visual and statistical comparison of graphs sampled at various rates based on random graphs, small-world graphs, scaleree graphs, and real-world graphs. This benchmark study can be used as a guideline in choosing the appropriate method for a particular graph sampling task. In addition, this thesis proposes three types of distributed sampling algorithms and develops a sampling package on Spark. Compared with traditional/non-distributed graph sampling approaches, the scalable distributed sampling approaches are as reliable as the traditional/non-distributed graph sampling techniques, and they bring much needed improvement to sampling efficiency, especially with regards to topology-based sampling. This benchmark study in traditional/non-distributed graph sampling is also applicable to distributed graph sampling as well. A contribution to the area of graph visualization is also made through the presentation of a scalable graph visualization system-BGS (Big Graph Surfer) that creates hierarchical structure from an original graph and provides interactive navigation along the hierarchy by expanding or collapsing clusters when visualizing large-scale graphs. A distributed computing framework-Spark provides the backend for BGS on clustering and visualization. This architecture makes it capable of visualizing a graph up to 1 billion nodes or edges in real-time. In addition, BGS provides a series of hierarchy and graph exploration methods, such as hierarchy view, hierarchy navigation, hierarchy search, graph view, graph navigation, graph search, and other useful interactions. These functionalities facilitate the exploration of very large-scale graphs. Evaluation of BGS is performed through application to several representative of large-scale graph datasets and comparison with other existing graph visualization tools in scalability, usability, and flexibility. The dissertation concludes with a summarization of the contributions and their improvement on large-scale graph analysis and visualization, and a discussion about possible future work on this research field.

No description available.