图的可视化是可视化技术的一个子领域,也是其中的热点研究方向。将实体关系转化为图后,再使用图的可视化技术进行表达,可以使人们更加深入地理解实体之间的联系。随着大数据时代的来临,真实世界中实体数目的迅猛扩张导致了图所表示的数据量的激增。面对动辄几万个节点和边的图,传统的可视化算法力不从心,在实际应用中性能显著下降,布局效果变得混乱。本文以力导引类算法为基础,基于分级化简的思想,提出了面向大规模图的布局算法。该算法有效避免了传统算法因数据量过大而无法跳出局部最优解和算法运行速度缓慢的问题。本文的贡献主要体现在以下方面:(1)提出了基于带权边匹配(Weighted Edge Matching,WEM)和基于带权极大独立点集(Weighted Maximal Independent Vertex Set,WMIVS)的两种化简方法。应用以上两种算法进行化简能够更好地保留图的聚簇特征。(2)结合了经典的FR算法和Barnes-hut模型,提出了BH-FR算法。在此基础上,结合基于WEM和WMIVS的化简方法,提出了面向大规模图的分级布局算法MGLMA(Massive Graph Layout with Multilevel Approach)。本算法的布局效果更加符合公认的美学标准,能够明显提升大规模图数据的布局效率。(3)基于本文的研究成果和实体关联信息的可视化需求,设计并实现了基于图的多维实体关联信息可视化系统。该系统提供了多种分析方法和可视化工具。