关系图可视化

数据预处理可视化

数据预处理

首先需要两个基本的数据，title对应论文标题，id_dic是论文id与索引的对应关系。

# 获取title filepath0 = 'D:/大学资料/大三下/项目实训/code+data/ACM数据集/nodes.txt' f0 = open(filepath0,'r') title = [] for line in f0: lines = line.strip('\n') title.append(lines) print(title[:3]) f0.close() # 构建一个字典，id与list下标的对应关系 id_path = 'D:/大学资料/大三下/项目实训/code+data/ACM数据集/articles.log' id_file = open(id_path,'r') i = 0 id_dic = {} for line in id_file.readlines(): id = line.split()[1] id_dic[id] = i i +=1 print(len(id_dic))

然后就是论文之间的引用关系，前期队友对inlink.list和outlinks.list进行了预处理，生成了对应的txt文档，和ACM数据集中其他的数据形式一样，每行对应一篇论文。我们把数据分别取出到两个list中（outlinks,inlinks），outlinks中的每个元素对应一篇论文所引用的论文id，inlinks中的每个元素对应一篇论文被哪些论文所引用的id。

olinkspath = 'D:/大学资料/大三下/项目实训/code+data/ACM数据集/outlinks.txt' ofile = open(olinkspath,'r') outlinks = [] for line in ofile: lines = line.strip('\n') outlinks.append(lines) print(outlinks[:3]) ofile.close() ilinkspath = 'D:/大学资料/大三下/项目实训/code+data/ACM数据集/inlinks.txt' ifile = open(ilinkspath,'r') inlinks = [] for line in ifile: lines = line.strip('\n') inlinks.append(lines) print(inlinks[0]) ifile.close()

可视化

按照pyecharts说明文档，关系图需要的数据包括：GraphNode（节点数据项）、GraphLink（节点间的关系数据）和GraphCategory（节点分类类目）。我们根据论文之间的引用关系依次去构造这三个数据。

引用关系 即该论文引用了哪些论文 定义可视化函数： from pyecharts import options as opts from pyecharts.charts import Graph from pyecharts.globals import ThemeType # 定义可视化函数 def getCiteVis(paper_id): # 该论文（sourcr）的index sindex = id_dic[str(paper_id)] # node_id 是包括该论文和其引用论文id的list node_id = [] node_id = outlinks[sindex].split() node_id.insert(0,str(paper_id)) node_name =[] for i in node_id: name = title[id_dic[str(i)]] node_name.append(name) # 构造关系图的nodes nodes = [] for name in node_name: temp = {} temp['name']=name temp['symbolSize'] = 20 temp['category'] = 1 nodes.append(temp) nodes[0]['category']=0 # 构造关系图的links sname = node_name[0] links = [] for i in nodes: links.append({"source":sname, "target": i.get("name")}) # 构造关系图的categories categories = [{'name':'本论文'},{'name':'引用论文'}] c = Graph(init_opts=opts.InitOpts(theme=ThemeType.ROMA))\ .add('',nodes=nodes, links=links, categories=categories,repulsion=1500,edge_symbol = ['circle', 'arrow'])\ .set_global_opts(title_opts=opts.TitleOpts(title="论文引用关系图")) return c

调用函数：

paper_id = 156 a= getCiteVis(paper_id) a.render_notebook() paper_id = 157 a= getCiteVis(paper_id) a.render_notebook()

可视化效果如下： 2. 被引用关系 即该论文被哪些论文引用 定义可视化函数：

from pyecharts import options as opts from pyecharts.charts import Graph from pyecharts.globals import ThemeType # 定义可视化函数 def getCitedVis(paper_id): # 该论文（sourcr）的index sindex = id_dic[str(paper_id)] # node_id 是包括该论文和其引用论文id的list node_id = [] node_id = inlinks[sindex].split() node_id.insert(0,str(paper_id)) node_name =[] for i in node_id: name = title[id_dic[str(i)]] node_name.append(name) print(node_name) # 构造关系图的nodes nodes = [] for name in node_name: temp = {} temp['name']=name temp['symbolSize'] = 20 temp['category'] = 1 nodes.append(temp) nodes[0]['category']=0 # 构造关系图的links sname = node_name[0] links = [] for i in nodes: links.append({"source":sname, "target": i.get("name")}) # 构造关系图的categories categories = [{'name':'本论文'},{'name':'引用本论文的论文'}] c = Graph(init_opts=opts.InitOpts(theme=ThemeType.ROMA))\ .add('',nodes=nodes, links=links, categories=categories,repulsion=1500,edge_symbol = ['arrow','circle'])\ .set_global_opts(title_opts=opts.TitleOpts(title="论文被引用关系图")) return c

调用函数：

paper_id = 175 cited = getCitedVis(paper_id) cited.render_notebook() paper_id = 177 cited = getCitedVis(paper_id) cited.render_notebook()

可视化效果如下：

上述内容详见：

https://blog.csdn.net/WX1204/article/details/106783731