基于 Protege、Neo4j 与 ECharts 的教育领域知识图谱可视化实战

CALL apoc.export.json.query(
  "MATCH (n) WHERE n:`课名称` OR n:`知识元` OPTIONAL MATCH (n)-[r]->(m) RETURN n, r, m LIMIT 500",
  "file:///E:/neo4j/import/output.json",
  {format: 'PLAIN'}
);

2. Python 数据清洗

Neo4j 导出的原始 JSON 结构并不直接符合 ECharts 的 nodes 和 links 格式，需要编写脚本进行适配。以下脚本实现了从 Neo4j 格式到 ECharts 格式的映射，重点处理了节点去重和边关系的提取。

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 数据结构
    echarts_data = {
        "nodes": [],
        "links": []
    }

    # 节点处理：用于去重和避免重复添加
    node_map = {}

    for item in neo4j_data:
        # 处理起始节点
        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

        # 处理结束节点
        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")
            start_id = start_node.get("id")
            end_node = relationship.get("end")
            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"<input_json_path>"
    output_file = "converted_data.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 列表和 links 列表，可直接用于前端渲染。

前端可视化

最后一步是利用 Vue.js 结合 ECharts 库将处理好的数据渲染为交互式图谱。由于具体框架实现细节较多，核心在于正确解析上述 Python 输出的 JSON 结构，并将其映射到 ECharts 的 series 配置中。对于教育领域的知识图谱，建议根据节点的 category 字段区分颜色，以增强可读性。