基于 G6 的图分析应用

背景

社交网络分析是图可视化中一个重要的应用场景。随着社交网络越来越流行，人与人、人与组织之间的关系变得越来越复杂，使用传统的分析手段，已经很难满足我们的分析需求。在这种情况下，图分析及图可视化显得愈发重要。

功能概述

基于 G6 实现一个图分析应用，模拟了一个关系分析场景，使用模拟数据，来展示在图分析应用中我们可以做的一些事情：

• 关系扩散：
• 关系预判：
• 关系聚合：
• 圈检测：
• 圈查询：
• 高效分析：
  • 数据过滤：
  • 实时标记：
  • 隐藏 / 显示 Label；
  • 隐藏 / 显示节点。

关系扩散

通过指定输入查询到具体的个人后，可以针对查询到的个人，做 1-6 度的关系扩散，可以进一步分析与他相关的人或组织的关系。

适用场景：在社交网络中，通过 A 的一度关系可以查询到他的所有朋友，通过二度关系，可以查询到他的朋友的朋友，通过分析相关动态，可以了解到关于 A 的更多的信息。

关系预判

在海量的社交网络数据中，人与人、人与组织之间会存在很多种不同类型的关系，我们已知的都是已经真实发生的事情，如 A 是 B 的朋友，B 属于 C 组织，但我们不知道如果 D 也属于 E 组织的话，整个网络会发生什么样的变化。这个时候，关系预判就能够帮助我们，我们通过输入两个节点 D 和 E 来判断，如果我们在 D 和 E节点之间新增一条F 类型的关系，与之相关的关系就会很清晰地呈现在我们眼前。

适用场景：在社交网络中，A 和 B 之间没有直接关系，但想知道如何 A 和 B 之间有某种关系的话，整个关系网络会发生什么样的变化。

关系聚合

A 和 B 之间可能会存在多个同事关系，如 A 和 B 在 C 公司是同事，在 D 公司也是同事，只是两条同事关系的时间戳不同。对于这种情况，我们没必要将全有的关系都绘制到页面上，可以将同类型的关系合并成一条关系，点击时再展开。

适用场景：为了降低视觉干扰，将多条同类型的关系合并成一条。

圈检测

在社交网络数据中，假设我们已经有了一批类似 A 是 B 的朋友，B 是 C 的朋友，C 又是 A 的朋友 这样的朋友圈，这个时候，有一个或两个用户 D / E ，我们想知道 D 和 E 是否在我们已知的朋友圈中，可以通过圈检测的功能，输入 D 或 E，如果在已知的朋友圈中，则会展示所在的所有圈。

适用场景：检测给定用户 A 和 B 是否存在于已知的朋友圈中。

圈查询

对于已知的圈，我们可以查询每个圈中包含的节点，以及它们之间的关系。

适用场景：查询指定朋友圈中所有的用户以及用户之间的关系。

高效分析

图分析应用中，为了提升分析的效率，我们提供了数据过滤、标记重点节点和边、隐藏 / 显示 Label等辅助功能，可帮助用户更快更好地进行分析。

数据过滤

当画布上存在大量的节点及边时，想要进行高效分析是件很困难的事情，我们可以通过过滤的功能，将暂时不需要关注的类型的节点和边先隐藏起来，以便我们将精力放在重点的节点和边上面。

标记节点及边

在分析过程中，将重点需要关注的节点和边进行标记，可以在复杂的网络关系中很清晰地呈现出我们需要重点关注的内容。 尤其在特别复杂的网络中，该功能特别有用。

隐藏 / 显示节点

在分析过程中，对于一些不是很重要的节点，我们可以选择隐藏掉它和与它相关的边，这样就方便我们将注意力集中在重点的节点上面。当分析完以后，我们还可以选择将隐藏的节点全部显示出来。

隐藏 / 显示 Label

当边特别多时，边上的 label 不仅会重叠在一起，也会影响我们进一步的分析，我们选择将边上的 label 隐藏。

总结

本应用以模拟的社交网络数据为例，演示了通过使用 G6 构建的一个图分析的应用。在实际的场景中，不仅仅局限于社交网络数据，任何重关系类的数据，都适合使用图分析的技术来进行分析，如风控、反洗钱、信用卡诈骗等金融领域，商品、商家及卖家等电商领域。通过使用图分析技术，我们可以很轻易地具备传统分析方法所欠缺的能力，如分析朋友的朋友这种多度关系的能力。G6 是一款图可视化引擎，专注于图分析领域，非常适合用来构建重型的图分析应用。

应用地址

G6 官网：https://antvis.github.io/g6G6 GitHub：https://github.com/antvis/g6