2021-09-06
知识图谱包括多方面，
工业生产环境中，涉及知识图谱的导入、存储、增删改查、图算法、展示等。
图库是一方面，包括数据逇导入、存储、增删改查、图算法等等。
另一方面是图展示。
图库：
图展示：
参考：知识图谱可视化工具选型
背景
本人作为大一狗，有幸参加了老师的工业大数据知识图谱可视化研究的项目，那么，选择一个好用的可视化工具当然是必要的——一个好的工具能够大大降低后期研发成本和维护成本。
选型原则
根据本次调研的需要，可视化工具需要遵循以下几个原则：
能够制作知识图谱（最基本）
便于展示动态数据项之间的关联
开源
能够满足工业大数据的需求
最好是基于python语言或者基于js
筛选
现阶段可视化工具种类繁多，发展迅速，根据本次选型原则第一条，即能够制作知识图谱，我们初步筛选到了以下“可视化工具”（不全）：
————————————————————————————————
Tableau、R-ggplot2、Echarts、igraph、networkx、neo4j、tigergraph、
Cayley、BDP、DATEfocus、Antv G6、FineReport、d3js、cytoscape.js
————————————————————————————————
当然，对于初步接触可视化的我们来说，这些就只是一个个毫无意义的单词。
在更深入地了解了每一个后，我们才意识到这里面并非全部都是可视化工具，比如neo4j,其实是一个图数据库，它需要像D3js这类的js库来实现数据的可视化。也就是说，我们要找的是前端展示的工具。
我们又考虑到前面的选型原则，最终我们将范围缩小到D3.js、cytoscape.js、Antv G6、igraph、networkx这五个里面，接下来我们将对这五个的优劣势一一分析。
D3.js
D3 的全称是Data-Driven Documents，D3.js是一个JavaScript库，它可以通过数据来操作文档。D3可以通过使用HTML、SVG和CSS把数据鲜活形象地展现出来。它可以说是可视化的先驱了。
官方网站：http://www.d3js.org
优点
D3.js在世界范围十分地受欢迎，因此网络上有大量的学习资源以及交流论坛。
提供了很厉害的可视化组件，功能十分强大。
可以让程序轻松兼容现代主流浏览器并避免对特定框架的依赖。
数据转换和绘制是独立的。
开源
缺点
对于初学者不太友好，学习曲线比较高，需要一定的基础才能轻车熟路。
代码量较大。
在原始数据的保存上D3不能很好的起到保密作用。
cytoscape.js
Cytoscape.js是一个用JS编写的开源图库
官方网站：https://js.cytoscape.org
优点
可以轻松实现动态交互过程。
开源。
支持绝大部分浏览器。
支持移动端的使用，甚至可以实现包括捏合缩放、框选择、平移等等的动作。
官方网站上面有很详细的代码解读。
制作出来的知识图谱很好看。
用纯js语言编写。
示例图可以在浏览器的JS控制台中*修改。
包括从BFS到PageRank的图论算法。
完全可扩展。
维护良好：每周补丁发布节奏\每月功能发布节奏
可以显示数据间的双向关系。
缺点
也许需要一定的代码量算是吧。。。
Antv G6
AntV 是蚂蚁金服全新一代数据可视化解决方案。G6是它的一个简单、易用、完备的图可视化引擎，它在高定制能力的基础上，提供了一系列设计优雅、便于使用的图可视化解决方案。能帮助开发者搭建属于自己的图可视化、图分析、或图编辑器应用。
官方网站：https://antv.vision/zh
优点
具有十分丰富的知识图谱形式
动态交互
开源
十分简单易用，代码要求简单
缺点
它的最大的一个缺点就是它是一个商业产品，而本课题更多的是涉及到科研方面。可能产生费用。
它过于“成熟”了，对代码的要求很低，对编程能力的提高帮助不大。
networkx
networkx是用python语言编写的软件包，是一个用Python语言开发的图论与复杂网络建模工具。
优点
内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。它支持创建简单无向图、有向图和多重图；内置许多标准的图论算法，节点可为任意数据；支持任意的边值维度，功能丰富。
开源
简单易用
缺点
虽然是用python语言，但是为了实现本课题需要的动态交互，仍然需要引入JavaScript或者一些R语言，所以反而会麻烦。
生成的知识图谱相对比较丑。
最终选择
基于上面的调研，我们最终决定使用cytoscape.js作为我们的可视化工具。在确定工具后，接下来就是对相应的知识进行学习的过程了。项目将持续进行更新。
后续
之前对这些工具都不太熟悉，后来经过我们调查，发现Antv G6并没有产生费用的情况，而且其代码量也不会太简单，再加之它可能和其它阿里的工具联动性更大，我们决定对于Antv G6和cytoscape.js同时进行学习，初步学习后再做定论。然后再对选定的工具进行全面的学习。
参考资料
https://www.cnblogs.com/minglex/p/9205160.html
https://antv.vision/zh
https://www.jianshu.com/p/c3800c61d2fb
https://blog.csdn.net/dahaiaixiaohai/article/details/89669526
http://www.d3js.org
https://js.cytoscape.org
————————————————
版权声明：本文为CSDN博主「bruuuuuuuuno」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/bruuuuuuuuno/article/details/104910336
参考资料：
新兴学科科学知识图谱绘制的大数据挖掘方法和实现 -1：https://www.cnblogs.com/goldenblade/p/9596807.html
https://js.cytoscape.org
https://antv.vision/zh
http://www.d3js.org
知识图谱可视化demo：http://www.demodashi.com/demo/13181.html