Visualized Network with D3

အလုပ်ကိစ္စရှိတာနဲ့ စမ်းရင်းသပ်ရင်း D3.js နဲ့ Data အတော်များများကို Visualized လုပ်ကြည့်မိတယ် ကျောင်းကစာတွေလည်း ကျောင်းကိုပြန်သင့်သလောက် ပြန်သွားပြီဆိုပေမယ့် Diagram တွေမြင်ရင်တော့ အတော်များများ မှတ်မိပါသေးတယ် ခေတ်တွေကလည်း ပြောင်းတာမြန်တယ်ဆိုရမယ် ကိုယ်တွေကျောင်းသားဘဝက Web ပေါ်မှာ ကိုယ်လိုချင်သလို Visualized လုပ်ဖို့ဆိုတာ မလွယ်သလောက်ပဲ အခုတော့လည်း ထွက်လာတဲ့ နည်းပညာတွေက အလွယ်တကူ လုပ်လို့ရလာပါပြီ အရင်ကဆိုရင် Network Visualization ဆိုတာက ကွန်ပျူတာပေါ်တောင် Tools က အတော်နည်းပါတယ် အခုတော့လည်း Web ပေါ်လည်း အလွယ်တကူ လုပ်လို့ရလာတယ်။

Data အနေနဲ့ကတော့ UCI Network Data Repository ထဲမှာရှိတဲ့ Data အတော်များများကို စမ်းသပ်ကြည့်တယ် နည်းနည်းစိတ်ဝင်စားမိတာက United State ရဲ့ နိုင်ငံရေးနဲ့ ပါတ်သက်တဲ့ စာအုပ်တွေကို Amazon ပေါ်မှာ တွဲဝယ်လေ့ရှိတဲ့ စာအုပ်တွေရဲ့ Data တွေရှိတယ်။ စာအုပ်တွေရဲ့ အမျိုးအစားအနေနဲ့ Conservative, Neutral and Liberal ဆိုပြီး Label တပ်ထားပေးတယ်။ အဲဒီတော့ စာအုပ်အမျိုးအစားတွေ ပူးတွဲပြီးဝယ်ယူလေ့ရှိတဲ့ Relation ကို သိချင်တဲ့အတွက် Visualized လုပ်ကြည်လိုက်တယ်။ မူရင်း Network ကတော့ Weight မပါဘူး ဒါပေမယ့် Degree အလိုက် စာအုပ်တွေရဲ့ Weight ကို တော့ ကိုယ်တိုင် တွက်ယူလိုက်တယ်။

Data

https://networkdata.ics.uci.edu/data.php?id=8

Network Diagram - Books about US Politics

အပေါ်မှာပြထားတဲ့ပုံက Mobile ပေါ်မှာ Fixed Width ဆိုတော့ နည်းနည်းပြဿနာရှိမယ် ကွန်ပျူတာမှာ ကြည့်မှပဲရမယ်ထင်တယ်။ စာအုပ်တွေကို Node အဖြစ်ထားပြီး စာအုပ်အမျိုးအစားကို Color နဲ့ အလွယ်တကူ မြင်သာအောင် ခွဲထားလိုက်တယ်။ စိတ်ဝင်စားစရာ ကောင်းတာက Network ဟာ ပြင်ပလောကအတိုင်းပါပဲ Conservative စာအုပ်တွေဟာ အများအားဖြင့် Conservative စာအုပ်နဲ့ပဲ တွဲအဝယ်များတယ် Liberal လည်း Liberal နဲ့ပဲဝယ်ကြတယ် Neutral တွေကတော့ Conservative နဲ့ Liberal ကြားမှာပဲရှိတယ်။ Node ရဲ့ Weight အဖြစ်ကိုယ်တိုင်ထည့်ထားတဲ့ Degree အပေါ် အခြေခံပြီးတော့ Node Size ကို နည်းနည်းကြီးပြီးတော့ Visualized လုပ်ထားတော့ လူဝယ်အများဆုံး စာအုပ်တွေကို သိသိသာသာမြင်ရတယ်။

ပိုပြီးသိသာတာက Conservative ဘက်က အဝယ်အများဆုံး စာအုပ်တွေနဲ့ Liberal ဘက်က အဝယ်အများဆုံး စာအုပ်တွေဟာ တိုက်ရိုက် Relation မရှိသလောက်ပါ။ ဒါကအလွယ်တကူ သုံးသပ်ချက်ပေါ့လေ အမျိုးအစားမတူတဲ့ စာအုပ်တွေ တကယ်ပဲ တွဲမဝယ်ဘူးလား ဆိုတာကတော့ ကောက်ချက်ချမရပါဘူး Direct Link ကိုပဲ ရှင်းရှင်းလင်းလင်း တွေ့ရတယ် စာအုပ် ၂ အုပ်ထက် ပိုဝယ်ရင်တော့ Transit Link တွေအများကြီး ထွက်လာတယ် အဲဒါကျတော့ Visually ထက် Algorithmically ကပိုပြီးတော့ Analyze လုပ်နိုင်လိမ့်မယ်ထင်တယ်။

တခါတလေ စဉ်းစားမိတယ် ကိုယ့်ရဲ့ Facebook ထဲက လူတွေတင်သမျှ Politic နဲ့ ဆက်စပ်တဲ့ Status တွေကိုစုပြီးတော့ Status အလိုက် NLD/USDP/Nationalist စသည်ဖြင့် Label တပ်ပြီးတော့ Like/Share/Comment လုပ်တဲ့ Data တွေကို သင်လျော်သလို Weight တွေအဖြစ် သုံးလို့ရရင်သုံးပြီးတော့ Visualized လုပ်ကြည့်ရင် သာမဏေန သမဏော ဂေါဏေန ဂေါဏော တူရာတူရာအဖြစ် ဘယ်သူတွေ ဘယ်အချိန်မှာစုပြီး မတူတဲ့လူတွေ ဘယ်အချိန်မှာ ထိပ်တိုက်တွေ့လဲဆိုတာ Visually ဘယ်လိုထွက်လာမလဲ စိတ်ဝင်စားစရာတော့ အကောင်းသားပဲ လုပ်နိုင်တဲ့လူ အချိန်အားမယ်ဆိုရင် စမ်းသပ်ကြည့်သင့်တယ်။