1. 项目概述从零开始理解Gephi的网络布局艺术如果你手头有一堆关系数据比如社交媒体上的好友联系、论文的引用关系或是公司内部的邮件往来想把它们变成一张能一眼看透结构的可视化网络图那么Gephi大概率是你绕不开的工具。而在这个工具里网络布局绝对是核心中的核心它决定了你的图是能清晰揭示社区、层级还是一团让人头晕的“毛线球”。简单说布局算法就是一套数学规则它告诉Gephi如何把成千上万个节点比如用户、论文和连接它们的边比如关注、引用在二维或三维平面上合理地摆放出来。我用了Gephi很多年处理过从几十个节点到几十万个节点规模不等的网络。最深的一个体会是选对布局算法项目就成功了一半。很多新手会直接点开默认的“Force Atlas 2”然后对着缓慢移动、最终可能依旧混乱的图感到困惑。这就像给你一套顶级厨具你却只知道开大火猛炒结果可能糟蹋了食材。网络布局不是一键魔法它是一系列需要理解和调参的“物理模拟”或“数学优化”过程。本文将彻底拆解Gephi中主流布局算法的原理、适用场景和调参技巧让你不仅能做出好看的图更能做出有洞察力的分析图。2. 核心布局算法原理与选型指南Gephi内置了十几种布局算法但常用的、效果有明显差异的也就那么五六种。选择哪种完全取决于你的数据特性和分析目标。下面我们抛开复杂的数学公式用更直观的方式来理解它们。2.1 力导向布局模拟物理世界的“引力与斥力”这是最常用、也最符合直觉的一类布局。你可以想象每个节点都是一个带同种电荷的小球彼此排斥而每条边则是一根有弹性的弹簧将相连的节点拉近。整个布局过程就是模拟这个小球-弹簧系统不断运动直到达到一个总能量斥力与弹力之和最低的稳定状态。Force Atlas 2是Gephi的明星算法也是默认选项。它在这个物理模型上做了大量优化非常适合展现网络的社区结构。因为强连接的节点团社区会被弹簧紧紧地拉在一起形成簇而不同簇之间则因斥力而自然分开。注意Force Atlas 2虽然强大但计算量也大。对于超过几万个节点的网络可能会非常慢。此时OpenOrd算法是一个高效的替代品。它采用了一种“粗化-布局-细化”的多层策略先对网络进行简化布局后再逐步恢复细节速度极快特别适合大规模网络的初步探索和社区发现。Fruchterman-Reingold是另一个经典的力导向算法它的参数更简单结果往往更“规整”节点分布更均匀但揭示极端社区结构的能力有时不如Force Atlas 2强烈。如何选择目标为发现紧密社区首选Force Atlas 2。网络规模巨大5万节点先用OpenOrd快速得到一个轮廓。需要整洁、均匀的布局用于展示可以尝试Fruchterman-Reingold。2.2 层次化布局展现等级与流程当你的网络具有明确的流向、层级或依赖关系时比如组织架构图、食物链、论文引用网络力导向布局可能不是最佳选择因为它不强调方向性。这时就需要层次化布局。Yifan Hu 比例布局是一个多层次的力导向算法变种但它通过控制不同层级间的引力能产生具有层次感的结果。对于树状或近似树状的结构效果很好。径向布局和环形布局则是另一种思路。它们需要你先指定一个或多个“中心节点”。布局算法会以中心节点为圆心其他节点根据与中心的距离如最短路径步数被排列在不同的同心圆上。这非常适合展示以某个关键人物如社交网络中的明星、核心话题如关键词共现网络中的主题为中心的辐射状结构。如何选择数据是树状/有向无环图尝试Yifan Hu。需要突出核心节点及环绕关系使用径向/环形布局并精心选择中心节点。2.3 地理布局当节点拥有真实坐标如果你的每个节点都带有经纬度信息例如微博用户的地理位置、全球机场网络那么地理布局就是唯一正确的选择。它会忽略所有拓扑结构直接将节点钉在其地理坐标上边则根据真实地理位置连接。这种图能直观揭示关系与地理空间的关联比如“跨区域合作主要集中在哪些城市对之间”。2.4 其他特殊布局展开布局像一个不断吹大的气球可以将一个紧密的核心逐渐展开有助于观察核心区域内部的细微结构。双圈布局适合二分网络两种类型的节点如作者和论文将两类节点分别排列在两个同心圆上便于观察类间连接模式。3. 布局参数深度解析与调参实战选对算法只是第一步调参才是让布局“开口说话”的关键。我们以最复杂的Force Atlas 2为例进行深度拆解。打开它的参数面板你可能会被吓到但理解后就会发现每个滑块都有其妙用。3.1 斥力与引力的平衡Repulsion strength与Attraction strength这是最核心的一对参数。Repulsion strength斥力强度所有节点之间的排斥力。增大它图会变得更“松散”节点间距变大适合节点数量多、连接稀疏的图能防止重叠。Attraction strength引力强度通过边连接的节点之间的吸引力。增大它相连的节点会拉得更紧社区内部会更凝聚。实操心得通常不建议单独调某一个而是保持两者之间的相对比例。Gephi提供了一个聪明的选项Adjust by sizes。勾选后节点的大小会影响斥力大节点产生更大斥力这能有效防止大节点遮盖小节点让可视化更清晰。我几乎在所有项目中都会勾选这个选项。3.2 控制布局的“性格”Gravity与Dissuade HubsGravity重力想象在图的中心有一个点把所有节点都往中心拉。增加重力可以防止离散的社区飞得太远让整张图更紧凑地集中在画面中央。但重力过大会破坏力导向形成的自然结构把一切压成一团。Dissuade Hubs排斥中心节点这个参数非常有用。中心节点连接数极高的节点在普通力导向模型中会因为连接多而被更多地向中心拉扯反而可能挤在图的中间掩盖了它的中心地位。开启此选项后算法会特别将高度数节点推向外围这样它的众多连接就会像辐条一样展开能戏剧化地凸显出网络中的关键枢纽。在分析社交媒体大V或交通枢纽时必用。3.3 性能与精度权衡Tolerance与ApproximationTolerance容差可以理解为布局计算的“精度”。值越小系统寻找能量最低点的计算就越精细布局结果越优化但速度也越慢。对于最终出图可以调低如1.0对于快速预览可以调高如10.0。Approximation近似度为了加速大规模网络计算算法可以不对所有节点对计算精确的斥力而是采用“空间网格”近似。值越大如1.0到2.0速度越快但细节可能损失。对于万节点以上的网络适当增加此值如1.2能极大提升速度且视觉上差异不大。3.4 一个经典的调参流程实录假设我们有一个约1万个节点的学术合作网络目标是清晰区分研究团队。初始化先使用默认参数运行布局让节点初步散开。防止重叠勾选Adjust by sizes如果节点大小有意义并适当增加Repulsion strength比如从200调到500让整体结构更疏松。强化社区观察社区内部是否足够紧密。如果不够缓慢增加Attraction strength比如从10调到20你会看到各个小团体开始收缩成团。控制全局如果有些社区跑得太远画面显得散乱逐步增加Gravity比如从5调到20将整个网络温和地拉回中心区域。突出中心如果我们想看看哪些学者是跨团队合作的枢纽勾选Dissuade Hubs。你会发现一些高度数节点被推到了其所属社区的边缘它的连接像桥梁一样伸向其他社区一目了然。精细优化最后为了出图将Tolerance调低至1.0让布局再“冷却”优化一段时间。整个过程不是一蹴而就的需要反复微调、观察。我习惯在调整2-3个参数后就暂停布局查看效果再继续。Gephi的布局是可以实时交互和叠加的你甚至可以在Force Atlas 2运行到一半时叠加一点Yifan Hu布局来引入层次感。4. 超越默认高级技巧与复合布局策略掌握了单个布局就可以玩一些更高级的组合技了。Gephi允许你按顺序运行多个布局后一个布局会在前一个布局的结果基础上进行。4.1 “力导向地理”锁定核心结构比如我有一个带地理信息的公司分支机构合作网络。我首先用地理布局把所有节点固定到实际城市位置。然后我再运行Force Atlas 2但将其作用范围设置为“仅作用于边”在布局面板中寻找相关选项或通过锁定节点位置实现。这样节点被地理坐标钉住但连接它们的边会按照力导向的原则进行弯曲和排布可以避免交叉让连接关系更清晰。这能生动展示“尽管分公司地理位置固定但合作关系的紧密程度用边的弯曲和聚集程度表示却呈现出不同的模式”。4.2 “层次化力导向”梳理流程网络对于一个有向的流程网络如生产工序可以先使用Yifan Hu或分层布局确定一个大致的主干流向。然后在此基础上运行一个弱参数的 Force Atlas降低引力强度主要利用其斥力。这样既能保持主要的层级方向又能让同一层级内的节点排列得更舒展、美观避免严格的层级布局带来的拥挤感。4.3 利用属性辅助布局颜色与大小的魔力布局不仅仅是节点的位置。节点的颜色和大小是第三、第四维度。在运行布局前或同时根据节点度数Degree或介数中心性Betweenness Centrality设置节点大小重要的节点更大这样在力导向布局中由于“Adjust by sizes”的作用它们会自动获得更多空间。根据模块化Modularity分类结果设置节点颜色先用统计功能跑出社区分类给不同社区赋予不同颜色。然后再运行布局。你会看到力导向算法自然地将相同颜色的节点聚集在一起视觉上社区划分会变得极其鲜明。这是一种“统计指导可视化”的绝佳实践。5. 常见问题、性能优化与避坑指南即使理解了原理实操中还是会踩坑。下面是一些高频问题的实录和解决方案。5.1 布局过程缓慢甚至卡死这是最常见的问题尤其对于大型网络。第一步简化网络。在运行布局前使用Gephi的“过滤”功能。滤掉那些度数非常低如度为1的“边缘节点”或者使用“巨型组件”过滤器只保留最大的连通部分。这些边缘节点对整体结构影响小但计算开销大。先对核心网络进行布局满意后再逐步显示其他节点。第二步调整算法参数。如前所述增大Approximation和Tolerance能显著提速。第三步分步布局。先运行速度快的OpenOrd或Fruchterman-Reingold快速得到一个粗略但已具雏形的布局然后以此为基础再运行Force Atlas 2进行精细优化。Force Atlas 2从零开始迭代最耗时但从一个近似布局开始迭代则快得多。硬件提示Gephi的布局计算是单线程的更依赖CPU单核性能。关闭其他大型程序能有所帮助。5.2 布局结果一团糟节点重叠严重检查是否勾选Adjust by sizes这是解决重叠问题的第一把钥匙。大幅增加Repulsion strength有时默认值200对于密集网络太小了尝试调到800甚至1500。尝试“展开布局”作为预处理先运行一下“展开布局”它能把紧密的团块炸开一些然后再接力运行力导向布局效果往往更好。手动调整对于关键区域的少数节点重叠可以在布局接近稳定时使用鼠标直接拖拽调整位置。Gephi允许这种交互。5.3 社区结构不明显所有节点混在一起确认网络本身是否有社区结构先用统计面板运行“模块化”计算得到一个Q值。如果Q值很低如0.3可能网络本身社区结构就模糊布局算法也无力回天。增强Attraction strength这是强化社区内部凝聚力的直接手段。尝试不同的算法Force Atlas 2可能陷入了局部最优解。停止当前布局将所有节点位置随机化布局菜单中有此选项然后换用OpenOrd重新跑一遍可能会有惊喜。5.4 最终出图时边和标签混乱不堪布局只决定了节点的位置。出图的美观度还需要在“预览”设置中精心调整。边的粗细与颜色设置为“基于权重”或“基于类型”并降低不透明度如调到20-30%让边成为柔和的背景突出节点。节点标签避免全部显示。通过设置“显示标签的阈值”如只显示度数大于10的节点标签或手动选择关键节点后显示。调整标签字体、大小和颜色确保可读。预览与工作区同步在“预览”设置中勾选“在预览中显示工作区中的位置”。这样你在主工作区调整好的布局在预览中会直接应用。5.5 布局结果每次都不一样力导向布局基于物理模拟其初始状态是随机的因此每次运行结果可能有细微差异但宏观结构社区划分、相对位置应保持一致。如果差异巨大说明网络可能处于一种“亚稳态”或者参数特别是Tolerance设置得太高导致布局没有充分收敛。对于最终成果建议在布局稳定后导出节点的坐标数据通过数据资料表以便完全复现。网络布局不是一门精确的科学而更像是一门艺术。它需要你在数学规则、视觉美学和业务洞察之间找到平衡点。我最深的体会是不要追求一次到位把它看作一个探索的过程先用一种算法快速打开局面然后观察提出问题为什么这两个社区分不开为什么这个关键节点不突出再通过调整参数或更换算法去回答这些问题。每一次调整都是你对手中这张关系网络理解的一次深化。最终当一张清晰、有力、能自己“讲故事”的网络图呈现在眼前时你会觉得所有的调试都是值得的。
1. 项目概述从零开始理解Gephi的网络布局艺术如果你手头有一堆关系数据比如社交媒体上的好友联系、论文的引用关系或是公司内部的邮件往来想把它们变成一张能一眼看透结构的可视化网络图那么Gephi大概率是你绕不开的工具。而在这个工具里网络布局绝对是核心中的核心它决定了你的图是能清晰揭示社区、层级还是一团让人头晕的“毛线球”。简单说布局算法就是一套数学规则它告诉Gephi如何把成千上万个节点比如用户、论文和连接它们的边比如关注、引用在二维或三维平面上合理地摆放出来。我用了Gephi很多年处理过从几十个节点到几十万个节点规模不等的网络。最深的一个体会是选对布局算法项目就成功了一半。很多新手会直接点开默认的“Force Atlas 2”然后对着缓慢移动、最终可能依旧混乱的图感到困惑。这就像给你一套顶级厨具你却只知道开大火猛炒结果可能糟蹋了食材。网络布局不是一键魔法它是一系列需要理解和调参的“物理模拟”或“数学优化”过程。本文将彻底拆解Gephi中主流布局算法的原理、适用场景和调参技巧让你不仅能做出好看的图更能做出有洞察力的分析图。2. 核心布局算法原理与选型指南Gephi内置了十几种布局算法但常用的、效果有明显差异的也就那么五六种。选择哪种完全取决于你的数据特性和分析目标。下面我们抛开复杂的数学公式用更直观的方式来理解它们。2.1 力导向布局模拟物理世界的“引力与斥力”这是最常用、也最符合直觉的一类布局。你可以想象每个节点都是一个带同种电荷的小球彼此排斥而每条边则是一根有弹性的弹簧将相连的节点拉近。整个布局过程就是模拟这个小球-弹簧系统不断运动直到达到一个总能量斥力与弹力之和最低的稳定状态。Force Atlas 2是Gephi的明星算法也是默认选项。它在这个物理模型上做了大量优化非常适合展现网络的社区结构。因为强连接的节点团社区会被弹簧紧紧地拉在一起形成簇而不同簇之间则因斥力而自然分开。注意Force Atlas 2虽然强大但计算量也大。对于超过几万个节点的网络可能会非常慢。此时OpenOrd算法是一个高效的替代品。它采用了一种“粗化-布局-细化”的多层策略先对网络进行简化布局后再逐步恢复细节速度极快特别适合大规模网络的初步探索和社区发现。Fruchterman-Reingold是另一个经典的力导向算法它的参数更简单结果往往更“规整”节点分布更均匀但揭示极端社区结构的能力有时不如Force Atlas 2强烈。如何选择目标为发现紧密社区首选Force Atlas 2。网络规模巨大5万节点先用OpenOrd快速得到一个轮廓。需要整洁、均匀的布局用于展示可以尝试Fruchterman-Reingold。2.2 层次化布局展现等级与流程当你的网络具有明确的流向、层级或依赖关系时比如组织架构图、食物链、论文引用网络力导向布局可能不是最佳选择因为它不强调方向性。这时就需要层次化布局。Yifan Hu 比例布局是一个多层次的力导向算法变种但它通过控制不同层级间的引力能产生具有层次感的结果。对于树状或近似树状的结构效果很好。径向布局和环形布局则是另一种思路。它们需要你先指定一个或多个“中心节点”。布局算法会以中心节点为圆心其他节点根据与中心的距离如最短路径步数被排列在不同的同心圆上。这非常适合展示以某个关键人物如社交网络中的明星、核心话题如关键词共现网络中的主题为中心的辐射状结构。如何选择数据是树状/有向无环图尝试Yifan Hu。需要突出核心节点及环绕关系使用径向/环形布局并精心选择中心节点。2.3 地理布局当节点拥有真实坐标如果你的每个节点都带有经纬度信息例如微博用户的地理位置、全球机场网络那么地理布局就是唯一正确的选择。它会忽略所有拓扑结构直接将节点钉在其地理坐标上边则根据真实地理位置连接。这种图能直观揭示关系与地理空间的关联比如“跨区域合作主要集中在哪些城市对之间”。2.4 其他特殊布局展开布局像一个不断吹大的气球可以将一个紧密的核心逐渐展开有助于观察核心区域内部的细微结构。双圈布局适合二分网络两种类型的节点如作者和论文将两类节点分别排列在两个同心圆上便于观察类间连接模式。3. 布局参数深度解析与调参实战选对算法只是第一步调参才是让布局“开口说话”的关键。我们以最复杂的Force Atlas 2为例进行深度拆解。打开它的参数面板你可能会被吓到但理解后就会发现每个滑块都有其妙用。3.1 斥力与引力的平衡Repulsion strength与Attraction strength这是最核心的一对参数。Repulsion strength斥力强度所有节点之间的排斥力。增大它图会变得更“松散”节点间距变大适合节点数量多、连接稀疏的图能防止重叠。Attraction strength引力强度通过边连接的节点之间的吸引力。增大它相连的节点会拉得更紧社区内部会更凝聚。实操心得通常不建议单独调某一个而是保持两者之间的相对比例。Gephi提供了一个聪明的选项Adjust by sizes。勾选后节点的大小会影响斥力大节点产生更大斥力这能有效防止大节点遮盖小节点让可视化更清晰。我几乎在所有项目中都会勾选这个选项。3.2 控制布局的“性格”Gravity与Dissuade HubsGravity重力想象在图的中心有一个点把所有节点都往中心拉。增加重力可以防止离散的社区飞得太远让整张图更紧凑地集中在画面中央。但重力过大会破坏力导向形成的自然结构把一切压成一团。Dissuade Hubs排斥中心节点这个参数非常有用。中心节点连接数极高的节点在普通力导向模型中会因为连接多而被更多地向中心拉扯反而可能挤在图的中间掩盖了它的中心地位。开启此选项后算法会特别将高度数节点推向外围这样它的众多连接就会像辐条一样展开能戏剧化地凸显出网络中的关键枢纽。在分析社交媒体大V或交通枢纽时必用。3.3 性能与精度权衡Tolerance与ApproximationTolerance容差可以理解为布局计算的“精度”。值越小系统寻找能量最低点的计算就越精细布局结果越优化但速度也越慢。对于最终出图可以调低如1.0对于快速预览可以调高如10.0。Approximation近似度为了加速大规模网络计算算法可以不对所有节点对计算精确的斥力而是采用“空间网格”近似。值越大如1.0到2.0速度越快但细节可能损失。对于万节点以上的网络适当增加此值如1.2能极大提升速度且视觉上差异不大。3.4 一个经典的调参流程实录假设我们有一个约1万个节点的学术合作网络目标是清晰区分研究团队。初始化先使用默认参数运行布局让节点初步散开。防止重叠勾选Adjust by sizes如果节点大小有意义并适当增加Repulsion strength比如从200调到500让整体结构更疏松。强化社区观察社区内部是否足够紧密。如果不够缓慢增加Attraction strength比如从10调到20你会看到各个小团体开始收缩成团。控制全局如果有些社区跑得太远画面显得散乱逐步增加Gravity比如从5调到20将整个网络温和地拉回中心区域。突出中心如果我们想看看哪些学者是跨团队合作的枢纽勾选Dissuade Hubs。你会发现一些高度数节点被推到了其所属社区的边缘它的连接像桥梁一样伸向其他社区一目了然。精细优化最后为了出图将Tolerance调低至1.0让布局再“冷却”优化一段时间。整个过程不是一蹴而就的需要反复微调、观察。我习惯在调整2-3个参数后就暂停布局查看效果再继续。Gephi的布局是可以实时交互和叠加的你甚至可以在Force Atlas 2运行到一半时叠加一点Yifan Hu布局来引入层次感。4. 超越默认高级技巧与复合布局策略掌握了单个布局就可以玩一些更高级的组合技了。Gephi允许你按顺序运行多个布局后一个布局会在前一个布局的结果基础上进行。4.1 “力导向地理”锁定核心结构比如我有一个带地理信息的公司分支机构合作网络。我首先用地理布局把所有节点固定到实际城市位置。然后我再运行Force Atlas 2但将其作用范围设置为“仅作用于边”在布局面板中寻找相关选项或通过锁定节点位置实现。这样节点被地理坐标钉住但连接它们的边会按照力导向的原则进行弯曲和排布可以避免交叉让连接关系更清晰。这能生动展示“尽管分公司地理位置固定但合作关系的紧密程度用边的弯曲和聚集程度表示却呈现出不同的模式”。4.2 “层次化力导向”梳理流程网络对于一个有向的流程网络如生产工序可以先使用Yifan Hu或分层布局确定一个大致的主干流向。然后在此基础上运行一个弱参数的 Force Atlas降低引力强度主要利用其斥力。这样既能保持主要的层级方向又能让同一层级内的节点排列得更舒展、美观避免严格的层级布局带来的拥挤感。4.3 利用属性辅助布局颜色与大小的魔力布局不仅仅是节点的位置。节点的颜色和大小是第三、第四维度。在运行布局前或同时根据节点度数Degree或介数中心性Betweenness Centrality设置节点大小重要的节点更大这样在力导向布局中由于“Adjust by sizes”的作用它们会自动获得更多空间。根据模块化Modularity分类结果设置节点颜色先用统计功能跑出社区分类给不同社区赋予不同颜色。然后再运行布局。你会看到力导向算法自然地将相同颜色的节点聚集在一起视觉上社区划分会变得极其鲜明。这是一种“统计指导可视化”的绝佳实践。5. 常见问题、性能优化与避坑指南即使理解了原理实操中还是会踩坑。下面是一些高频问题的实录和解决方案。5.1 布局过程缓慢甚至卡死这是最常见的问题尤其对于大型网络。第一步简化网络。在运行布局前使用Gephi的“过滤”功能。滤掉那些度数非常低如度为1的“边缘节点”或者使用“巨型组件”过滤器只保留最大的连通部分。这些边缘节点对整体结构影响小但计算开销大。先对核心网络进行布局满意后再逐步显示其他节点。第二步调整算法参数。如前所述增大Approximation和Tolerance能显著提速。第三步分步布局。先运行速度快的OpenOrd或Fruchterman-Reingold快速得到一个粗略但已具雏形的布局然后以此为基础再运行Force Atlas 2进行精细优化。Force Atlas 2从零开始迭代最耗时但从一个近似布局开始迭代则快得多。硬件提示Gephi的布局计算是单线程的更依赖CPU单核性能。关闭其他大型程序能有所帮助。5.2 布局结果一团糟节点重叠严重检查是否勾选Adjust by sizes这是解决重叠问题的第一把钥匙。大幅增加Repulsion strength有时默认值200对于密集网络太小了尝试调到800甚至1500。尝试“展开布局”作为预处理先运行一下“展开布局”它能把紧密的团块炸开一些然后再接力运行力导向布局效果往往更好。手动调整对于关键区域的少数节点重叠可以在布局接近稳定时使用鼠标直接拖拽调整位置。Gephi允许这种交互。5.3 社区结构不明显所有节点混在一起确认网络本身是否有社区结构先用统计面板运行“模块化”计算得到一个Q值。如果Q值很低如0.3可能网络本身社区结构就模糊布局算法也无力回天。增强Attraction strength这是强化社区内部凝聚力的直接手段。尝试不同的算法Force Atlas 2可能陷入了局部最优解。停止当前布局将所有节点位置随机化布局菜单中有此选项然后换用OpenOrd重新跑一遍可能会有惊喜。5.4 最终出图时边和标签混乱不堪布局只决定了节点的位置。出图的美观度还需要在“预览”设置中精心调整。边的粗细与颜色设置为“基于权重”或“基于类型”并降低不透明度如调到20-30%让边成为柔和的背景突出节点。节点标签避免全部显示。通过设置“显示标签的阈值”如只显示度数大于10的节点标签或手动选择关键节点后显示。调整标签字体、大小和颜色确保可读。预览与工作区同步在“预览”设置中勾选“在预览中显示工作区中的位置”。这样你在主工作区调整好的布局在预览中会直接应用。5.5 布局结果每次都不一样力导向布局基于物理模拟其初始状态是随机的因此每次运行结果可能有细微差异但宏观结构社区划分、相对位置应保持一致。如果差异巨大说明网络可能处于一种“亚稳态”或者参数特别是Tolerance设置得太高导致布局没有充分收敛。对于最终成果建议在布局稳定后导出节点的坐标数据通过数据资料表以便完全复现。网络布局不是一门精确的科学而更像是一门艺术。它需要你在数学规则、视觉美学和业务洞察之间找到平衡点。我最深的体会是不要追求一次到位把它看作一个探索的过程先用一种算法快速打开局面然后观察提出问题为什么这两个社区分不开为什么这个关键节点不突出再通过调整参数或更换算法去回答这些问题。每一次调整都是你对手中这张关系网络理解的一次深化。最终当一张清晰、有力、能自己“讲故事”的网络图呈现在眼前时你会觉得所有的调试都是值得的。
![GO [ 结构体 ]](http://pic.xiahunao.cn/yaotu/GO [ 结构体 ])
