# graph-calculate

**Repository Path**: wdym/graph-calculate

## Basic Information

- **Project Name**: graph-calculate
- **Description**: graph-calculate，图计算算法。交付代码

- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-04-26
- **Last Updated**: 2022-03-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 图计算项目

### 需求

#### 科研学术网络

* DBLP数据集科研学术网
    * 下载链接;https://dblp.uni-trier.de/xml/
* 详细说明：https://dblp.uni-trier.de/xml/docu/dblpxml.pdf


* 提取Article节点数据

__任务__

先删除或修改数据集中错误部分（同名歧义等），按年份划分时间片，提取数据集中关键年份的数据，然后分别构建作者合作关系网络结构  
~~观察机构在时间维度上的演化：先按照年份划分时间片，对每个年份的数据构建模型~~  
针对性的选几个代表性的年份，跟踪这几个时间片上的演化  
1. 这几个年份的论文关键词，选取top10

结果文件在`./data/dblp/top10.csv`

2. 再选取比较早的年份的top1关键词，追踪后面年份这个关键词相关的论文数量的变化（可以看出这个方向研究热度的变化）

最热门词汇是`system`
![](images/systemCount.jpg)


3. 选取一个关键词，分析针对这个关键词发表论文数量较多的作者选出其中的top5，需要统计发文数量，多分析几个年份的

选取的关键词是`complex network`
![](images/complexNetworkCount.jpg)

4. 选取其中一个领域，找到核心人物（重要节点发现算法-局部中心法等，或其他的算法，网上也有代码实现过的）跟踪该领域后面年份的核心人物的变化

结果在`./data/dblp/corePeople.csv`, 中心性计算用的是`eigenvector centrality`

5. bigboss

焦李成， 数据在`data/dblp/bigboss2articles.json`

图如下: ![](./images/焦李成.jpg)



#### 诗人网络

唐代诗人生平数据集

__任务__

将数据集按照初唐盛唐中唐晚唐的时间划分
分析所有的出现过的地方， 对地方进行可视化， 会有如下形式：

![](./images/poem/all_place.jpg)

> 其实已经很像现代的中国了。 唐朝的版图很大

1. 分析不同时间片活跃的诗人
   * 时间片
     * 初唐 618—713
     * 盛唐 713—766
     * 中唐 766—836
     * 晚唐 836—907
   * 不同时期的活跃诗人
     * 导出csv到`result/poem`
     * 可视化柱状图, 保存至`images/poems`
       * ![](./images/poem/盛唐诗人活跃图.jpg)
   * 分析了不同时期较为活跃的诗人的迁徙情况， 并且做了可视化
     * ![](./images/poem/activePoetImmigrationMap.jpg)
   * 
2. 分析诗人李白的社交关系，同一时间去过同一地点，两人就有可能相识。
   * 李白的社交网络会生成一个`json`文件， 文件在`result/poem/libai_social.json`
3. 诗人杜甫的迁徙图，什么时间去了什么地点。
    * 迁徙图在`images/poem/dufu.jpg`

![](./images/poem/dufu.jpg)