Skip to content

Latest commit

 

History

History
65 lines (34 loc) · 5.48 KB

README.md

File metadata and controls

65 lines (34 loc) · 5.48 KB
Raw

VizColab

Uma ferramenta para visualização de uma rede de colaborações acadêmicas de escala nacional gerada a partir de dados da CAPES.

Demo: http://vizcolab.inf.ufrgs.br/

O repositório é dividido em duas partes:

  • No diretório data_processing se encontram os notebooks Jupyter e scripts para o processamento dos dados que compõem a rede de colaborações e queries para a importação dos dados na base de dados Neo4J.
  • No diretorio app se encontra a aplicação web de visualização da rede de colaborações construida com as bibliotecas React e 3D Forces Graph.

Geração do grafo de colaborações

Processamento de dados

As etapas a seguir descrevem o processo de processamento dos dados brutos da CAPES para a construção da rede de colaborações.

  • Faça o download do diretório datasets e insira-o dentro do diretório data_processing/. Os datasets disponibilizados são referentes ao quidriênio 2017-2020. Caso queira incluir dados mais recentes, faça o download dos arquivos no Portal de dados abertos da CAPES e insira-os no diretório data_processing/datasets/ seguindo a estrutura de diretórios e nomeação dos arquivos existente.

  • Instale as dependências Python3:

    python3 -m pip install -r requirements.txt

  • O processamento dos datesets é dividido em três notebooks Jupyter distintos, disponíveis no diretório data_processing/:

    1. authors_grouping.ipynb: processa o dataset de autores, fazendo a concatenação dos arquivos .csv, sanitização e normalização dos dados e agrupamento dos autores com múltiplas entradas no dataset. Após executado, o notebook gera dois arquivos no diretório data_processing/output/: processed_authors_preliminary.csv e processed_authors_complete.csv. Qualquer um deles pode ser utilizado para a geração da rede de co-autorias. Entretanto, enquanto o arquivo preliminar será gerado em minutos após as etapas de merge por id e por nome do autor, o arquivo completo provavelmente levará dias para ser gerado, já que depende do processamento complexo de merge por pontuação.

    2. prod_grouping.ipynb: processa o dataset de produções, fazendo a concatenação dos arquivos .csv, sanitização e normalização dos dados e agrupamento das produções com múltiplas entradas no dataset. Após executado, o notebook gera dois arquivos no diretório data_processing/output/: prod_id_replacements.json (contém um mapa para substituição dos identificadores de produções que foram agrupadas e deixaram de existir) e processed_productions.csv (contém a lista final de produções academicas que irá compor a rede de co-autorias).

    3. universities_and_programs.ipynb: processa dados de instituições de ensino superior e programas de pós-graduação. Após executado, o notebook gera dois arquivos no diretório data_processing/output/: universities.csv e programs.csv.

  • Após a execução dos notebooks, execute o script de pós processamento disponível em data_processing/scripts/authors_post_processing.py. Esse script fará a substituição dos identificadores de produções que foram agrupadas e deixaram de existir, inferência dos dados de linha de pesquisa de autores e seleção das propriedades finais de cada autor, gerando os arquivos final_authors.csv e co_authorships.csv no diretório data_processing/output/.

Obs.: O diretório output contendo os arquivos resultantes do processamento de dados já realizado está disponível aqui.

Importação dos dados para o Neo4J

  • Instancie um container docker com a imagem oficial do Neo4J disponível em https://hub.docker.com/_/neo4j. Para isso, execute o comando:

    docker run --publish=7474:7474 --publish=7687:7687 --volume=$HOME/neo4j/data:/data --volume=$HOME/neo4j/import:/var/lib/neo4j/import --env NEO4J_AUTH=neo4j/neo4j neo4j

    Obs.: Se necessário, altera as portas de acesso ao Neo4J e a senha de acesso.

  • Mova os arquivos gerados na etapa de processamento para o diretório import do container docker do Neo4J. Isso pode ser feito utilizando o comando:

    docker cp data_processing/output/ neo4j:/var/lib/neo4j/import/

  • Acesse o Neo4J através do navegador em http://localhost:7474 e crie um novo banco de dados.

  • Execute sequencialmente as queries disponíveis no arquivo data_processing/neo4j_queries.cql para importação dos dados para o banco de dados.

  • Crie um usuário com a role 'reader' para acesso da aplicação ao banco de dados. Por padrão, o usuário deve ser web_user e a senha deve ser web_user. Essas credenciais permitem apenas a leitura de dados e serão usados pela aplicação web para a consulta dos dados.

Instanciação da aplicação VizColab

  • No diretório app/, crie um arquivo .env com as variáveis de ambiente declaradas no arquivo de exemplo .env.example. Verifique se as portas e credenciais de acesso ao banco de dados estão de acordo com as configuradas no Neo4J.

  • Gere a imagem docker da aplicação executando o comando:

    docker build -t vizcolab-app .

  • Execute o container da aplicação com o comando:

    docker run -p 8000:80 vizcolab-app

  • Acesse a aplicação em http://localhost:8000.