[发明专利]适用于使用与展示的知识图谱可视化的构建方法

说明书

本发明公开了一种适用于使用与展示的知识图谱可视化的构建方法。本发明从对图数据的获取开始，对图进行分析选择最适合的图谱展示方式，对于复杂实践中常见的重边、布局混乱等问题进行标准化处理，最后配以相关工具以呈现可以投入使用的知识图谱可视化系统。与现有技术相比，本发明的构建方法首先对复杂的知识图谱结构进行标准化处理以适应可视化展示；并且能够适用于各种复杂的图数据情况，动态调整布局决策，并针对经典布局进行优化和处理以获得相对优秀的展示效果。对于图谱展示的美观性也进行了很多探索，诸如结点配色，半径差异等。

技术领域：

本技术属于知识图谱可视化领域，更具体来说，是一种对图谱数据进行标准化处理并能动态选择合适布局进行展示的可视化技术。

背景技术：

知识图谱是一种knowledge base，使用各种图结构来实现存储语义化结构化数据。知识图谱通常用来存储有关联性的数据类型并赋予其语义性。自从语义网络不断发展，知识图谱这一概念经常和需求关联性数据的项目结合起来，关注实体之间的连接关系。

2012年Google正式提出知识图谱的概念，通过使用语义检索从多种来源收集信息，并有效的改善了搜索引擎性能。在谷歌于发布知识图谱之前，Tim Berners-Lee于2006年就提出了Linked Data，是一种万维网数据上创建语义关联的方法。语义链网络也在很早就开始了系统性的研究。

随着技术和业务需求的发展，各种信息不在局限于以往的简单结构，而是逐渐出现各种无序复杂与有序复杂的问题，在这种需求下知识图谱与可视化技术就被逐渐实验并在最近广泛落地。在人际网络、舆情分析、知识图谱、信息安全等领域都有大量的应用。如今国内首批13家单位通过知识图谱产品认证，如联想知识图谱平台、华为云知识图谱软件、百度行业知识图谱平台、腾讯云小微知识图谱、蚂蚁金融知识图谱平台等多家企业，主要涵盖了电网、能源、制造、医疗、政务、军工、金融、教育、交通等多领域的落地应用。知识图谱的计算流程一般包括：知识提取、知识表现融合、知识存储计算及知识检索应用。

一个结构化的图是由顶点，边，标签，关系类型和属性等组成的有向图。顶点也称作节点，边也称作关系。在图形中，节点和关系是最重要的实体。图数据库Neo4j是一种被广泛使用的开源数据库工具链。Neo4j图形数据库的查询语言是Cypher，这是一种用于操作属性图的查询语句，也是图形语言中事实上的标准。创建的图基于属性图模型，在该模型中，每个实体都有唯一标识，每个节点由标签分组，每个关系都有一个唯一的类型。

力导图是由力导图算法与可视化渲染两种技术组成的。这种处理的目的是在二维或三维空间中对图形的节点进行定位布局，使所有的边和点都尽量以一个合适的布局被展示，并尽可能地减少交叉边。根据边和节点的相对位置在它们之间分配力，然后利用这些力来模拟边和节点的运动，使它们的能量最小化以达到期望布局。力引导算法主要应用于复杂网络的可视化项目。最早，Peter·Dades在1984年的“启发式画图算法”文章中提出力引导布局。目的是减少布局中边的交叉，尽量保持边长一致。力导图主要引入了库伦斥力和胡克弹力，考虑阻尼衰减，从而当我们拉动力导图，它能很快稳定回来。建立力导图时，首先要定义好图里的点，边的权重等信息，力导图可以根据实时状态自动完成很好的聚类，方便地看出点之间的亲疏关系。

发明内容

本发明涉及一套基于neo4j等图数据库数据进行构建的可投入使用的知识图谱可视化系统构建。

步骤1、前期准备与标准化处理

1-1.从neo4j等图数据库获取需要展示的json格式数据。

对于获取到的json格式数据的结构进行预处理以适应对应的展示需求。例如对于图数据进行邻接处理，为每个节点建立一个HashMap，在图的遍历中存入点的出度与入度边。

所述的预处理：将获取到的格式数据转化为标准的图结构数据。标准图结构由中心节点、边数组和节点数组组成。