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：

1. 能够制作知识图谱（最基本）
2. 便于展示动态数据项之间的关联
3. 开源
4. 能够满足工业大数据的需求
5. 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.