在我的工作中，我们目前正在对高度互连的数据（基本上是图形）的数据可视化进行一些研究。

我们一直在实施各种不同的布局，并试图找出最适合的布局，但是，由于问题的性质——这是一个可视化的东西——我们需要想出一些自动化的方法来分析结果，所以欢迎有一堆指标来分析我们的布局。

到目前为止，最重要的指标是信息密度、边缘交叉、节点重叠和边缘长度。这给了我们一些很好的结果，并允许我们微调我们的布局算法。

然而，当一个新的图表被加载时，我们注意到人类仍然倾向于摆弄布局的结构。此外，我们的指标似乎可以很好地预测用户可能会在哪里乱七八糟。图形布局是一个棘手的问题，所以经过一番讨论，提出了将数据扔到神经网络并让它自己解决的想法。

我们都不是专家，甚至都不是人工智能方面的专家。我是接触 AI 方法最多的人。 我所做的只是简单的 NN 模型，没有卷积、反馈或前馈或任何类似的东西，但在我看来这应该是可行的。

也许是我在这里缺乏专业知识，但我找不到任何关于这种神经网络应用程序的好信息，所以我希望这里有人能指出我正确的方向。

• 什么样的模型最适合这种情况？为什么？这实际上是可能的还是会超级复杂？有没有人尝试过这样的事情？

如果有帮助，我们的输入数据（对于 v1，我猜）将是两个可变长度数组，一个用于节点，另一个用于它们之间的关系，输出数据将是具有节点 XY 坐标的数组。