U2.13.3Network hairball problem设计研究
高密度网络容易变成毛球
别名: 毛球问题 · 网络过绘 · 边线拥挤
概念解释
毛球（hairball）是节点、边、交叉和标签过度叠加，使读者只能感到“关系很多”，却无法可靠完成邻居、路径、群组或异常任务的节点连线图。它不是由某个固定节点数触发：网络密度、度分布、边方向、布局、屏幕、样式、任务和交互都会改变何时失效。标题描述的是常见风险，不表示高密度网络没有结构，也不表示降低透明度就能恢复被遮蔽的边身份。
机制
边线叠加和交叉会中断连续追踪，密集标签与节点争夺空间，局部差异则被总体墨量压低。高阶节点可形成放射状拥挤，长边会穿过无关区域，双向或多重边又增加歧义。降低线宽和不透明度有助于读取总密度，却可能让稀有但重要的边消失；边捆绑减少视觉杂乱，却把多条路径聚成一束并引入算法形状。缓解一种任务的做法可能损害另一种任务。
怎么研究
用可控网络分别操纵节点数、边密度、度偏斜、社区强度、方向与权重，比较全图、筛选、邻域展开、边捆绑和邻接矩阵。任务覆盖找邻居、追路径、估密度、识别群组与发现稀有高后果边，测正确率、时间、遗漏和误报。真实工作中按任务记录用户何时缩放、筛选或放弃，并在不同屏幕与输入方式上验证；不要用一个边节点比或审美评分替代可读性判据。
边界
总体密度或宏观形状本身是任务时，半透明全图仍可作概览，但不能据此声称单边可追踪。过滤必须有语义、可撤销并公开排除量，否则会把完整性问题伪装成清晰度改善。聚合和抽样可能抹去少数群体、桥边或欺诈路径；矩阵减少交叉却不擅长长路径追踪；邻域视图保留局部而不代表全网。树、平面图或很稀疏网络即使节点多，也可能保持可读。
怎么落地
- 为目标任务定义失败条件，如路径误追、关键边遗漏或邻居查找超时，并用实测而非固定规模阈值触发替代方案。
- 默认提供搜索、邻域展开、语义筛选和返回全局的路径；明确显示已隐藏、聚合或抽样的节点与边数量。
- 按任务选择邻接矩阵、分组超图、边捆绑或协调详情，并保留查询原始节点与边的能力。
- 专门测试高阶节点、稀有边、跨群桥边、方向、键盘焦点和读屏摘要，避免清理后只剩多数结构。