基于规则嵌入的论文比对系统(四）

子空间标签数据处理与展示

数据预处理

思路：首先根据sentence_TextCNN.json构建一个list,list的元素类型是字典，每个元素对应一篇论文。字典格式：

其中，paper_id是论文的id，0-4对应五个子空间，分别是研究背景、研究问题、贡献、方法、实验。0-4对应的值表示该论文摘要中的句子在每个子空间上的个数。
思路：
  我们的ACM数据集中论文（一共43433篇）的id不是从0开始的也不是连续的，不太方便索引。因此，想建立一个id_dic，表示id和索引的对应关系。接着，读取sentence_TextCNN.json中的数据，存入data中。最后，我们将init_data保存为json文件，注意：paper_id对应为0的论文中没有对应的子空间数据。（子空间模型跑出来的结果里确实有很多论文摘要没有加子空间标记）。
json文件内容如下：

可视化实现及效果展示

利用pyecahrts库，定义了可视化函数，参数为两篇论文的id，输出为柱状图。

• 柱状图标题:子空间标签展示
• 柱状图的两个y轴标题：论文题目
• 一共五列：研究背景、研究问题、贡献、方法、实验

可视化效果如下：

关系图可视化：

①论文引用了哪些论文②论文被哪些论文所引用

数据预处理

首先需要两个基本的数据，title对应论文标题，id_dic是论文id与索引的对应关系。然后就是论文之间的引用关系，前期通过对inlink.list和outlinks.list进行了预处理，生成了对应的txt文档，和ACM数据集中其他的数据形式一样，每行对应一篇论文。我们把数据分别取出到两个list中（outlinks,inlinks），outlinks中的每个元素对应一篇论文所引用的论文id，inlinks中的每个元素对应一篇论文被哪些论文所引用的id。

可视化

按照pyecharts说明文档，关系图需要的数据包括：GraphNode（节点数据项）、GraphLink（节点间的关系数据）和GraphCategory（节点分类类目）。我们根据论文之间的引用关系依次去构造这三个数据。

可视化效果如下：

同理得出被引用关系图：

不同年份上论文集的个数（柱状图）

读取years.txt，将年份对应的总论文数放入一个字典。用pyechrts进行可视化，可视化效果如下，从下图我们可以看出，ACM数据集中的论文大部分是2000年~2008年的。

不同年份上论文集的平均引用量、被引用量（柱状图）

   首先，获取每篇论文的引用量。然后，获取不同年份论文的总引用量。最后，获取不同年份论文的平均引用量。并进行可视化看看效果。从下图我们可以看出，不同年份的论文集合他们的平均引用量集中在2~4。

被引用量的处理方法相同。将平均引用量、被引用量结合在一起进行可视化(用户可以拖动下方的条块选择不同的年份范围，以查看详细信息。从下图我们可以看出，ACM数据集中论文的平均引用量普遍高于被引用量。)：

不同年份上论文的引用量、被引用量（盒须图）

可视化效果如下图(用户可以拖动下方的条块选择不同的年份范围，以查看详细信息。从图中我们可以看出不同年份论文最大引用量一般都很高，所以上面统计的平均数据可能受极端数据影响比较大):

　　被引用量同理。
　　
　　上述内容详见：

https://blog.csdn.net/WX1204