Empowering Interdisciplinary Insights with Dynamic Graph Embedding Trajectories

我们开发了DyGETViz，这是一个新颖的框架，能够有效地可视化动态图，而这种图在各种实际系统中都很常见。该框架利用了离散时间动态图（DTDG）模型的最新进展，能够熟练地处理动态图中固有的时间动态性。DyGETViz能够有效地捕捉这些图中的微观和宏观结构转变，为表示复杂和大规模动态图提供了强大的方法。DyGETViz的应用范围涵盖了各种领域，包括行为学、流行病学、金融、遗传学、语言学、传播学、社会学和国际关系等。通过实施DyGETViz，我们揭示或证实了各种重要的见解，包括在线社区内容共享模式的多样性和专业化程度、数十年间词汇的时间演变以及与衰老相关和非相关基因所展示的不同轨迹。重要的是，DyGETViz通过简化动态图的复杂性，提高了科学发现对非领域专家的可访问性。我们的框架作为一个开源Python包发布，可用于各种学科。我们的工作不仅解决了可视化和分析DTDG模型的持续挑战，而且为未来在各个学科中进行动态图表示和分析的研究奠定了基础。

DyGETViz: A Framework for Dynamic Graph Visualization

DyGETViz leverages recent advancements in discrete-time dynamic graph (DTDG) models to effectively handle the temporal dynamics inherent in dynamic graphs, offering a robust method for representing complex and massive dynamic graphs.

DyGETViz effectively captures both micro- and macro-level structural shifts within dynamic graphs, revealing critical insights in various domains including ethology, epidemiology, finance, genetics, linguistics, communication studies, social studies, and international relations. The framework is released as an open-source Python package for use across diverse disciplines.

Recent related research includes 'Visualizing Dynamic Graphs with Missing Data' and 'Dynamic Graph Visualization: A Survey'.