Visualizing multivariate dynamic networks is a challenging task. The evolution of the dynamic network within the temporal axis must be depicted in conjunction with the associated multivariate attributes. In this thesis, an exploratory visual analytics tool is proposed to display multivariate dynamic networks with spatial attributes. The proposed tool displays the distribution of multivariate temporal domain and network attributes in scattered views. Moreover, in order to expose the evolution of a single or a group of nodes in the dynamic network along thetemporal axis, an egocentric approach is applied in which a node is represented with its neighborhood as an ego-network. This approach allows users to observe a node's surrounding environment along the temporal axis. On top of the traditional ego-network visualization methods, such as timelines, the proposed tool encodes ego-networks as feature vectors consisting of the domain and network attributes and projects them onto 2D views. As a result, distances between projected ego-networks represent the dissimilarity across temporal axis in a single view. The proposed tool is demonstrated with a real-world use case scenario on merchant networks obtained from a one-year long credit card transactions.

Çok değişkenli dinamik ağları görselleştirmek zorlu bir iştir. Dinamik ağların zaman ekseni içindeki evrimi, ilişkili çok değişkenli niteliklerle birlikte gösterilmelidir. Bu tezde, uzamsal niteliklere sahip çok değişkenli dinamik ağları görüntülemek için görsel keşif analiz aracı önerilmiştir. Önerilen araç, zamansal çok değişkenli alanve ağ özelliklerinin dağınık görünümlerde dağılımını gösterir. Ayrıca, geçici ağ boyunca tek bir veya bir grup düğümün dinamik ağdaki evrimini açığa çıkarmak için, bir düğümün mahallesi ile beniçinci ağı olarak temsil edildiği beniçinci merkezli bir yaklaşım uygulanmaktadır. Bu yaklaşım, kullanıcıların bir düğümün içinde bulunduğu ortamı zaman ekseni boyunca gözlemlemelerine izin verir. Zaman çizelgeleri gibi geleneksel beniçinci ağ görselleştirme yöntemlerinin yanı sıra, önerilen araç beniçinci ağları, alan ve ağ özelliklerinden oluşan nitelik vektörleri olarak kodlar ve bunları 2B görünümlere yansıtır. Sonuç olarak, yansıtılan beniçinci ağlar arasındaki mesafeler, farklılıkları tek bir gösterimde temsil eder. Önerilen araç bir yıllık kredi kartı işlemlerinden elde edilen ticari ağlar ile gösterilmiştir.