GEPHI

Appearance Tab

Partition attributes

• Degree: 한 노드에 연결된 모든 엣지의 갯수(=Degree centrality). cf. 단순 1촌만을 고려하기 때문에 100명의 친구를 둔 초등학생이 10명의 친구를 둔 국회의원보다 더 영향력 있어 보인다.
• In-degree: 한 노드로 들어오는 엣지의 갯수(노드의 인기도)
• Out-degree: 한 노드에서 나가는 엣지의 갯수(노드의 영향력)
• Betweeness Centrality(매개중심성): 한 노드가 사라졌을 때 얼마나 많은 연결이 끊어지는지에 따라 계산.(연결자:linker) 매개중심성이 크다면 네트워크 내의 의사소통 흐름에 영향을 줄 소지가 많음.
• Closeness Centrality(근접중심성): 다른 노드까지 도달하는 경로가 얼마나 짧은지. 높을수록 네트워크 내에서 정보권력, 영향력 및 지위 확보에 대한 접근이 보다 용이해짐.
• Eccentricity(이심률): 노드마다 정의되는 값. 노드에서 다른 모든 노드로의 최소거리를 측정하고 그 최소거리중에 가장 큰 값. 다시말해, 가장 멀리 떨어진 노드까지 얼마나 걸리는지.
• Modularity(모듈성): 단위들이 구분되는 정도. 연결강도가 강한 점들끼리 클러스터 형성.

Layout Tab

ForceAtlas layout

Gephi의 초기부터 존재했던 레이아웃으로 작은 세계(Scale-free network:척도없는 네트워크)를 표현하기 위해 만들어졌다. 데이터의 질에 초점이 맞춰져서 그래프에 대해 엄격하게 해석하도록 하고 최소한의 편향을 갖도록 한다. 느리지만 가독성이 뛰어나다.

• Autostab strength: 노드가 움직이는 속도를 조정.(높을수록 천천히 움직인다)
• Repulsion strength: 두 노드가 서로를 밀어내는 정도.
• Attraction strength: 두 노드가 끌어당기는 정도.
• Gravity: 노드를 중앙으로 모으기.(중앙이 마치 블랙홀처럼, 값이 높을수록 노드의 분산 정도가 낮아진다)
• Attraction Distrib: hubs(아웃풋 링크가 많은 노드)를 주변부로 가도록 하고, authorities(인풋 링크가 많은 노드)를 중앙에 오도록 배치한다.
• Adjust by sizes: 사이즈를 조정해 노드가 겹쳐지는 것을 방지한다.

Fruchterman-Reingold layout

It simulates the graph as a system of mass particles. The nodes are the mass particles and the edges are springs between the particles. The algorithms try to minimize the energy of this physical system. It has become a standard but remains very slow.

• Area: 그래프 사이즈 영역.
• Gravity: 노드를 중앙으로 모으기.

Yifan Hu Multilevel layout

큰 그래프를 다루는데 속도가 빠르고 준수한 퀄리티를 보여준다. force-directed 모델과 graph coarsening technique(multilevel algorithm)을 결합하여 복잡성을 낮췄다.

• Step ratio: step의 크기를 조절. 퀄리티를 높인다(vs 스피드)
• Optimal distance:
• Theta:

OpenOrd layout

undirected weighted graph를 위한 것으로 클러스터를 더 잘 구별하기 위해 사용된다.

Graph Tab

노드제어 메뉴바

• Mouse selection: 마우스 포인터로 노드 선택.
• Rectangle selection: 사각형 툴로 노드 선택.
• Drag: 노드를 드래그.
• Painter: 노드를 선택해서 색을 칠함.
• Sizer: 노드의 사이즈를 조절.
• Brush: 노드와 가까운 이웃 노드들의 색을 칠함.
• Node pencil: 새로운 노드를 하나 추가.
• Edge pencil: 새로운 엣지를 하나 추가.
• Shortest path: 두 노드를 잇는 가장 가까운 경로를 표시.
• Heat map: 노드와 그 이웃노드들의 거리를 기준으로 색을 차등 표시.
• Edit: 노드의 속성을 편집.

리셋 메뉴바

• Center on graph: 그래프가 중앙에 오도록 화면을 리셋.
• Reset colors: 노드 색깔을 리셋.
• Reset label color: 라벨 색깔을 리셋.
• Reset label visible

배경 및 라벨제어 매뉴바

• Background color: 배경색 변경.
• Take a screenshot: 스크린샷 촬영.
• Show node labels: 노드 라벨 보이기.
• Show edges: 엣지 보이기.
• Edges have source node color: 엣지 색깔이 노드 색깔과 같도록 하기.
• Show edge labels: 엣지 라벨 보이기.
• Edge weight scale: 엣지 두께 조정.
• Size mode: 라벨 사이즈 조정(Fixed/Scaled/Nodesize)
• Color mode: 라벨 색깔 조정(Unique/Object/Text)
• Font: 폰트 선택.
• Font size scale: 폰트 사이즈 조정.
• Default color: 기본 색깔.
• Attribute: 속성(여기서 선택하는 것을 화면에 보여주도록 설정)

Filter Tab

• Attributes: ID, Labels, Weight, Modularity Class와 같은 특정한 값에 따라 쿼리를 할 수 있다. 거대한 네트워크 속에서 어떤 그룹 내의 특정한 요소에 초점을 두고 싶다면 이 툴이 매우 유용하다.
  • Equal: 해당하는 특정 값에 대해 찾을 수 있다.
  • Inter Edges: partition과 cluster안에 있는 노드들을 연결하는 엣지에 초점을 둔다. 그룹 내에서의 연결을 보고 싶을 때, 동질성이 강한 네트워크의 연결망을 분명히 드러내고 싶을 때 사용한다.
  • Intra Edges: Inter Edge의 반대. 그룹과 그룹을 연결하는 엣지에 초점을 둔다. 두 그룹간의 연결에 어떤 노드가 중요한 역할을 하는지 보고 싶을 때 사용.
  • Non-null: null값을 가진 value들을 보이지 않게 한다.
  • Partition: 거대한 네트워크 안에서 개별 partition이나 cluster만을 살펴보고 싶을 때 사용한다. 이를 통해 네트워크를 작은 단위로 쪼개서 분석하기 좋은 환경을 제공한다.
  • Partition Count: Partition필터의 기능과 같지만 여기서는 수치값으로 설정하여 살펴볼 수 있다. 수치값이 높을수록 더 클러스터의 중심과 가깝고, 수치값이 낮을수록 변방.
  • Range: Equal 필터의 기능을 확장한 것. 특정한 수치로 범위를 설정해주어서 해당하는 값을 찾을 수 있다.
• Edges
  • Edge Weight: 연결되는 힘(edge-weight)에 따라 보고 싶을 때 사용.
  • Self-Loop: 노드가 자기 스스로를 연결하는 경우를 보고 싶을 때/보고 싶지 않을 때 사용.
• Operator
  • • INTERSECTION: 여러 조건의 필터를 사용하고 싶을 때 두 필터 사이를 연결해준다.(교집합)
    • MASK(Edges): 마스크 기능을 사용해서 보고싶은 엣지만 보고 싶을 때 사용.(any/source/target/both)
    • NOT(Edges): 특정 엣지를 view에서 지운다.
    • NOT(Nodes): 특정 노드를 view에서 지운다.
    • UNION: 여러 조건의 필터들을 결합해서 볼 수 있다.(합집합)
• Topology
  • • Degree Range: 특정 범위 안에 들어가는 Degree값을 가진 노드를 찾아낼 수 있다.
    • In Degree Range: 특정 범위 안에 들어가는 In Degree값을 가진 노드를 찾아낼 수 있다.
    • Out Degree Range: 특정 범위 안에 들어가는 Out Degree값을 가진 노드를 찾아낼 수 있다.
    • Ego Network: 하나의 개별 노드가 다른 어떤 노드들과 연결이 되어있는지 볼 수 있다.(1/2/3/MAX)
    • Giant Component: 거대한 네트워크 속에 가장 큰 그룹에 속하지 않은 변방의 노드들을 지운다. 모든 노드들이 강하게 연결되어있는 네트워크에서는 작동하지 않는다.
    • Neighbors Network: Ego Network와 비슷. 하지만 좀 더 나아가 네트워크 안에 있는 특정한 그룹을 중심으로 살펴볼 수 있다.

참고

• Mastering Gephi Network Visulaization(2015) Chapter5. Working with Filters

기타 용어

edge-weight: 두 노드가 얼마나 긴밀하게 연결되어 있는지. 연결되는 힘. 높을수록 강하게 연결되어 있고 밀접한 관련이 있다.

참고사이트

• 게피 공식홈페이지 : 게피 최신버전 다운 가능 / 튜토리얼 제공
• 게피 블로그
• 게피 튜토리얼