La exploración visual de estructuras de red grandes y complejas sigue siendo un desafío para muchos campos de aplicación. Además, un número creciente de redes del mundo real es multivariante y a menudo están interconectadas entre sí. Las entidades en una red pueden tener relaciones con elementos de otros conjuntos de datos relacionados, que no necesariamente tienen que ser redes en sí mismas, y estas relaciones pueden definirse por atributos que pueden variar considerablemente. En este trabajo, proponemos un enfoque integral de análisis visual que apoya a los investigadores para especificar y posteriormente explorar relaciones basadas en atributos a través de redes, documentos de texto y datos secundarios derivados. Nuestro enfoque proporciona una funcionalidad de búsqueda individual basada en palabras clave y términos semánticamente similares en todo el corpus de texto para encontrar nodos de red relacionados. Para examinar estos nodos en las vistas de red interconectadas, introducimos una nueva técnica de interacción, llamada Hub2Go, que facilita la navegación guiando al usuario hacia la información de interés. Para mostrar nuestro sistema, utilizamos un gran corpus de texto recopilado de artículos de investigación listados en el conjunto de datos de publicaciones de visualización que consta de 2752 documentos a lo largo de un período de 25 años. Aquí, analizamos las relaciones entre varias redes heterogéneas, un índice de bolsa de palabras y una matriz de similitud de palabras, todos derivados del corpus inicial y los metadatos.