Protege 与 Neo4j 构建教育领域知识图谱及可视化实战

*注意：请根据实际导入的本体 URI 前缀调整替换字符串。

3. 导出 JSON 数据

为了在前端进行可视化，需要将图数据导出为 JSON 格式。这里需要使用 APOC 库。

首先确认 APOC 是否安装成功：

RETURN apoc.version()

使用 apoc.export.json.query 导出数据：

CALL apoc.export.json.query(
  "MATCH (n) WHERE n:`节点名称 1` OR n:`节点名称 2` OR n:`节点名称 3` OPTIONAL MATCH (n)-[r]->(m) RETURN n, r, m LIMIT 500",
  "file:///E:/neo4j/neo4j-community-4.4.41/import/output_3.0.json",
  {format: 'PLAIN'} 
)

该命令会将查询到的节点、关系及属性以纯文本 JSON 格式保存到指定路径。

4. 数据预处理与可视化

4.1 Python 数据清洗

Neo4j 导出的原始 JSON 结构并不直接符合 Echarts 的图表数据规范，需要通过 Python 脚本进行转换。

原始数据结构示例：

{
  "n": {
    "type": "node",
    "id": "2",
    "labels": ["Resource", "课名称", "owl__NamedIndividual"],
    "properties": {
      "描述": "算法的多分支结构...",
      "名称": "闰年平年我知道（1）"
    }
  },
  "r": {
    "id": "69",
    "type": "relationship",
    "label": "父子",
    "start": { "id": "2" },
    "end": { "id": "101" }
  }
}

转换脚本： 以下代码实现了从 Neo4j 格式到 Echarts nodes 和 links 格式的映射：

import json

def convert_to_echarts_data(file_path):
    # 加载 Neo4j 导出的 JSON 数据
    with open(file_path, 'r', encoding='utf-8') as f:
        neo4j_data = json.load(f)
    
    # 初始化 ECharts 数据
    echarts_data = {
        "nodes": [],
        "links": []
    }
    
    # 节点处理：去重并提取关键信息
    node_map = {}
    for item in neo4j_data:
        node = item.get("n", None)
        if node:
            node_id = node.get("id")
            node_labels = node.get("labels", [])
            node_properties = node.get("properties", {})
            node_name = node_properties.get("名称", node_properties.get("name", node_id))
            node_uri = node_properties.get("uri", node_id)
            
            if node_id not in node_map:
                echarts_node = {
                    "id": node_id,
                    "name": node_name,
                    "category": node_labels[1] if len(node_labels) > 1 else "其他",
                    "value": node_uri,
                    "properties": node_properties
                }
                echarts_data["nodes"].append(echarts_node)
                node_map[node_id] = echarts_node

        # 处理关联节点 m
        m_node = item.get("m", None)
        if m_node:
            node_id = m_node.get("id")
            node_labels = m_node.get("labels", [])
            node_properties = m_node.get("properties", {})
            node_name = node_properties.get("名称", node_properties.get("name", node_id))
            node_uri = node_properties.get("uri", node_id)
            
            if node_id not in node_map:
                echarts_node = {
                    "id": node_id,
                    "name": node_name,
                    "category": node_labels[1] if len(node_labels) > 1 else "其他",
                    "value": node_uri,
                    "properties": node_properties
                }
                echarts_data["nodes"].append(echarts_node)
                node_map[node_id] = echarts_node

    # 边处理
    for item in neo4j_data:
        relationship = item.get("r", None)
        if relationship:
            start_node = relationship.get("start")
            end_node = relationship.get("end")
            start_id = start_node.get("id")
            end_id = end_node.get("id")
            relationship_label = relationship.get("label")
            
            echarts_link = {
                "source": start_id,
                "target": end_id,
                "value": relationship_label,
            }
            echarts_data["links"].append(echarts_link)
            
    return echarts_data

if __name__ == "__main__":
    input_file = r"E:\neo4j\neo4j-community-4.4.41\import\output_4.0.json"
    output_file = "converted_data2.0.json"
    
    echarts_data = convert_to_echarts_data(input_file)
    
    with open(output_file, 'w', encoding='utf-8') as f:
        json.dump(echarts_data, f, ensure_ascii=False, indent=4)
    
    print(f"数据已成功转换并保存到 {output_file}")

转换后的数据将包含标准的 nodes 数组和 links 数组，可直接用于前端渲染。

4.2 前端可视化

最后一步是利用 Vue.js 配合 Echarts 库进行图形展示。由于项目主要面向教育领域，可以将课程、知识点作为节点，关系作为连线进行拓扑展示。

至此，从本体构建、图数据库存储到前端可视化的全链路已完成。开发者可根据实际需求调整节点样式和交互逻辑。