在經(jīng)過對數(shù)據(jù)的采集、清理、存儲以及計(jì)算分析后，就到了將其可視化的階段。我們在 眾多的可視化工具選擇了 echarts，并且找到與 python 結(jié)合的可直接使用包—pyecharts，它 易于使用，且效果圖美觀，為數(shù)據(jù)的可視化提供了很大的方便。具體使用方法請參考官網(wǎng): http://pyecharts.org/#/。
我們從論文所屬國家、機(jī)構(gòu)、關(guān)鍵字、作者合作關(guān)系四個角度出發(fā)，準(zhǔn)備對數(shù)據(jù)進(jìn)行分 析。其中包括柱狀圖、折線圖、餅圖、詞云圖、關(guān)系圖，對應(yīng)的名為 Bar、Line、Pie、WordCloud、 Graph。

可視化圖表思路

    # 創(chuàng)建 page 實(shí)例
    page = Page("AAAI 會議國家論文數(shù)據(jù)分析 ") 
    Bar, Line, Pie = ......
    # 添加圖表 Bar, Line, Pie 到 page 中
    page.add(Bar)
    page.add(Line)
    page.add(Pie)
    # 將 page 保存為 html 文件
    page.render(path='Country_analysis.html')

對于作圖，要考慮的問題是傳入數(shù)據(jù)格式與對應(yīng)圖表要求的配置相同。需要將從數(shù)據(jù)庫 導(dǎo)出的數(shù)據(jù)進(jìn)行計(jì)算以及轉(zhuǎn)換為需要的格式。例如，制作“2010-2017 年發(fā)表論文總數(shù)前 12名國家 ”柱狀圖時，需要數(shù)據(jù)格式為: country = ["國家 1","國家 2", ...], 對應(yīng)的論文總 數(shù) article_num = [1, 2, ...];作者合作關(guān)系圖需要的數(shù)據(jù)格式較為復(fù)雜:
每個作者的節(jié)點(diǎn)數(shù)據(jù)nodedata=[("作者名字", 貢獻(xiàn)因子,"國家",(合作者數(shù)據(jù))),...] 其中 合作者數(shù)據(jù) = ("合作者 1", 合作次數(shù)), ("合作者 2", 合作次數(shù)),... 例如:nodedata = [
("Sun", 3, (("Zhao", 2), ("Qian", 3), ("Li", 9))),
("Li", 4, (("Wu", 4), ("Wang", 5), ("Huang", 7), ("Qian", 3))), ("Zhao", 2),
("Qian", 1),
("Wu", 1),
("Wang", 2),
("Huang", 2)
]
在獲得需要的數(shù)據(jù)后，我們首先對各國 2010-2017 年發(fā)表的論文數(shù)進(jìn)行統(tǒng)計(jì)。從下面 三張圖中我們可以看到美國在AAAI會議上發(fā)表人工智能方面的論文數(shù)一直處于遙遙領(lǐng)先的 狀態(tài)，我國則緊隨其后，是發(fā)展勢頭最猛的第二國家。

image.png

image.png

image.png

再次，我們將所有論文的第一作者歸屬為其所在機(jī)構(gòu)，分析獲得了以下兩圖。可以看到 我們國家高等高校及組織對研究人工智能方向的熱情，有 5 名高校及組織的第一作者發(fā)表論 文數(shù)已經(jīng)躋身世界前列。

image.png

image.png

image.png

image.png

image.png

image.png

image.png