src/graph_builder

阶段 3+4 模块，负责构建知识图谱。

函数

build_graph(cfg: dict) → nx.DiGraph

从 Parquet 数据文件构建完整的知识图谱。

参数：

名称	类型	说明
cfg	dict	项目配置字典

返回值： 包含所有节点类型和边类型的 NetworkX 有向图。

处理流程：

1. 加载所有 Parquet 文件（laureates、awards、publications、institutions、concepts）
2. 添加 Laureate 节点及属性
3. 添加 Award 节点 + WON_AWARD 边
4. 添加 Work 节点 + AUTHORED 边
5. 添加 Concept 节点 + INTRODUCES/APPLIES 边
6. 添加 Field 节点 + BELONGS_TO 边
7. 检测并构建 CROSS_INSPIRED 边
8. 从引用文献构建 CITES 边
9. 构建 AWARDED_FOR 边（奖项→概念）

---

build_simplified_concept_graph(cfg: dict) → nx.DiGraph

构建简化概念图（仅 Concept 节点）。

特点：

• 概念在跨论文范围内去重
• 节点保留 citation_by_year 年度引用字典
• 边类型为 CONCEPT_CITES，同样保留年度引用字典

参数：

名称	类型	说明
cfg	dict	项目配置字典

返回值： nx.DiGraph（仅概念节点）

---

graph_to_json(G: nx.DiGraph) → dict

将 NetworkX 图转换为 JSON 可序列化的字典。

参数：

名称	类型	说明
G	nx.DiGraph	NetworkX 有向图

返回值： 结构如下的字典：

{
    "nodes": [
        {"id": "laureate_779", "type": "Laureate", "name": "...", ...},
        ...
    ],
    "edges": [
        {"source": "laureate_779", "target": "award_...", "type": "WON_AWARD", ...},
        ...
    ]
}

---

print_graph_stats(G: nx.DiGraph) → None

打印图谱统计摘要：

• 总节点数和边数
• 按节点类型分类
• 按边类型分类
• 连通分量数

---

run() → None

执行完整的阶段 3+4 流水线：

1. 加载配置
2. 通过 build_graph() 构建图谱
3. 打印统计信息
4. 导出 knowledge_graph.json
5. 分别导出节点/边文件
6. 导出 GraphML 格式
7. 构建并导出简化概念图（JSON + GraphML）

---

GraphML 兼容性说明

由于 GraphML 不支持字典/列表等复杂属性，模块在导出 GraphML 前会将复杂属性序列化为 JSON 字符串。 这确保 citation_by_year 等字段在 .graphml 中可被安全保存。