图数据模型简介与应用浅析

贺祺

上海市南洋模范中学

一、引言

在当今社会，互联网高速发展，网上购物已经成人们生活中必不可少的一部分，而用户们也在追求品质高、服务好、方便快捷的网络购物体验。那么全面获取电商产品的数据信息，制作一张能够让用户们的体验优化的产品信息的网络，就具有了重要的现实意义。而目前图数据模型构建作为一种新兴的方式，它目前使用范围也较为局限，但它能够有效地把信息串联并且通过图表的形式展现，并且直观地把信息表达。因此充分发挥图数据模型的作用对于电商产品的数据处理有着很大的前景。在大数据的现代社会，数据的杂乱与庞大成为用户网络购物体验的一大阻碍。在此背景之下，本研究建立于大量电商产品的数据信息，旨在通过图数据模型的构建，整理并呈现数据信息，帮助提升用户网络购物的体验与便捷。

二、图数据模型的概念与应用概述

（一）数据模型的概念

数据模型（Data Model）是对于数据特征的抽象，它抽象地描述了系统的静态特征、动态行为和约束条件，为数据库系统的信息表示与操作提供一个抽象的框架。通俗地讲数据模型就是现实世界的模拟且容易被人理解并可在计算机上实现，有概念模型，逻辑模型和物理模型三种类别[1]。常用的数据模型有非关系模型、关系模型、面向对象模型、对象关系模型。

（二）图数据模型的概念

图数据模型是在数据模型的基础上，以图为载体，数据模型为内容，将信息进行呈现，并且可以利用图中的节点和边处理实体以及实体之间的关系，从而了解信息之间的交汇与关联，分析两个不懂实体之间的共同之处以及信息关联[2]。通过边的延伸可以分析不同信息与实体之间的关联大小。如今互联网上许多的产品的属性特征也包括许多其他信息都是以图数据模型的方式呈现。

（三）图数据模型的优势

1.对对象能够形象地以整体特征进行刻画：通过前期对于某一物品的数据采集，将所有数据进行筛选整合，并在后续的图数据模型的建立中把这一物品的所有属性罗列，并建立起节点与边构建出相关的知识网络，从而能够将所有与商品相关的关键信息标注在产品四周，起到全面地描述一个物品的所有属性及其相关性的作用[3]。

2.对于复杂关联问题的处理效率高：图数据模型类似于思维导图，可以把所有关联信息通过串并联结合在一张图谱当中。并且人们对于以图的方式呈现出来的信息接受能力更强，因此对于复杂关联问题，图数据模型将所有与物品相关的信息整合到一张知识网络图表当中，因而能够更加高效率地进行信息处理并且能够让人们更加直观地了解到该物品的所有属性。

3.推理的路径可见，更容易看到特点之间的关联：图数据模型通过发散性地推导，从单个实体出发，分析其属性特征，并且再从其属性特征出发进一步推进，以此类推从而构建出一张相互密切关联的图数据网络，因此使得所有信息的推理路径都完全地被保留在模型上，也更便于看到特点之间的关联。例如由某一种服饰，先推导至颜色、面料、款式等，再可以由面料进一步推进至针织，鹅绒等，并由针织可以再向下推进到原料，工艺。因此由服饰到原料这两个信息之间的逻辑链就可以在图数据模型中明显地获取，从而更容易看到特点间地关联。

（四）图数据模型的应用现状

图数据模型是一种比较新颖的问题处理方式，应用并不广泛。在互联网中有着许多对于图数据模型的使用，凭借着它对于数据处理的高效，图数据模型有着良好的应用前景[4]。尤其是在大数据的背景之下，存在地信息多、乱、杂的问题就可以通过图数据模型的方式归纳整理，从而能够高效率地解决问题。

三、针对某一电商产品的图数据模型构建

（一）商品属性特征的获取

选取某一目的商品，寻找该商品的全方面的信息，尤其是在用户购买时会侧重关心的属性、特征，并且筛选其中有用的信息，将被聚合信息进行分解，整合相同的信息，从而完成初步的信息筛选为下一步的数据排布做准备[5]。

（二）商品数据特征的排列分布

分别将所有获取的有用信息按照一定的顺序排列在产品周围，并按照可以根据周围的特点信息继续再获取特点的属性特征划分、逐级排列，从而做到由近及远分别为与商品密切相关的属性特征、到与商品相关联的产品信息进行排列。数据与该商品的关联程度随着边长度的增长和节点的数量的增加而相对减弱。

（三）商品数据的描述

在图数据模型的旁边需要标注每个数据特征对于产品的作用，以便用户们能够结合文字与图表，清晰地理解每个数据特征的作用，最大化地获取同时也便于作者检查是否存在无用信息，并且及时删除，以便用户们能够从图数据模型中获得最准确、有用的产品数据。例如圆珠笔这一产品中“笔的款式”这一属性，就可以标注“与顾客的使用舒适度以及个性相关”。

（四）电商领域中图数据模型的构建

在前3步完成之后，将所有信息图表结合，构建出符合特定商品属性特点的模型。以笔记本电脑为例，如下图所示：

图1 笔记本电脑结构图

由此可知，键盘区域的大小影响了用户输入时的舒适度；价格决定了商品的性价比以及用户的购买欲望；声卡和扬声器与电脑声音外放时的用户体验有关；快充可以使用户在紧急使用时有足够电量，多屏协同使手机设备与电脑的文件传输更加快捷、安全，触控使用户的使用方式更加多元；分辨率决定了电脑的显示，保修期让用户使用更加的放心；显卡承担输出显示图形的任务，AI软件让用户使用体验更加愉悦也监护电脑安全；内存和硬盘让信息有所储存；轻薄程度和重量日益成为电子产品的衡量指标之一，减轻了用户的负载压力；处理器让电脑的运转更加快速流畅；屏占比决定了屏幕大小散热装置的强弱能决定了电脑的续航能力，也保护了设备内装置。

四、电商产品的图数据模型应用

图数据模型具有多种应用场景[6]：

（一）商品相似性度量

通过图数据模型结构所展示的特征反映不同商品之间的共同点。并且能够通过不同商品之间的属性的重合度，以及不同商品之间边与节点的长度与数量，以边与对多个商品之间的相似度进行度量的操作。

（二）知识卡片

将某一电商产品的所有特点通过图数据模型的方式可以呈现在某一载体上，例如卡片一类易携带，体积小的物品，可以更加快捷方便，并且直观地让人们能够了解到某一个产品的全面的属性特征，从而获取自己渴望的信息。

（三）聚类

通过图数据模型的分析可以判断出商品之间的相似程度，同时也可以通过商品之间的属性特征将不同的商品归为相应的类别，从而达到聚类的效果。例如鞋子，可以通过刻画鞋子本身包含的科技，配色或者是它所代表的意义可以把带有缓震的轻量化鞋子归纳入运动鞋，板鞋归入休闲鞋，等等类别，以一定的标准和凭借着物品所特有的属性将他们归入相应的类别。

（四）根据用户购买的信息预测可能在下阶段购买的商品

类似于目前已有的推荐算法，通过商品之间的属性分析出用户对于某一特征属性的感兴趣程度，并找出不同属性之间的关联以及影响，再利用通过图数据模型分析推算出的相应特征在数据库中匹配相关联或者是相似的产品，从而预测可能在下阶段购买的产品为用户接下来的购买提供具有类似属性产品的推荐。

（五）利用知识挖掘对图内的节点进行关系挖掘

例如在世界杯期间，啤酒与纸尿裤的销售量都发生明显上升，经过调查研究发现是丈夫为了让妻子支持自己喝啤酒，看球，选择多承担一些家务，因此多买了些纸尿裤。从而导致了啤酒和纸尿裤的销售量都明显上升的现象。

观察不同商品成本或者销售量之间的关系，使用图数据模型分析每个产品内部的所有特征属性，通过不同商品的属性之间的联系，来进一步挖掘不同商品之间存在的关联。

（六）不同商品间的比较参考

在购买商品的时候，顾客们通常需要横向比较不同商品之间的各种属性特征，而构建图数据模型将目的商品的所有重要的商品数据信息呈现出来，归纳所有顾客可能关注的商品信息，从而帮助顾客们通过快速地得知那些属性需要侧重关注，使比商品较更加全面、有效。

五、总结

本研究以网络购物盛行为背景，对于电商产品提出图数据模型这一概念，通过搜集归纳特定电商产品的属性，将属性进行整合，并且以笔记本电脑为例，选择一些关键的属性，例如显卡，屏占比，以构建关于笔记本电脑的图数据模型。由举例说明来形象地阐明图数据模型如何构建，以及通过图表与文字并用地方式最直观地反映图数据模型在用户购买电商产品时的参考作用，也在产品关联与对比上有一定的价值。

图数据模型的构建并不仅仅局限于对于电商产品的分析，还可以在许多其他商品上有所应用。同时也可以将多个相关产品同时分析，构建图数据模型，并分析两种产品之间属性的重合度，来研究不同物品之间的相似度。另外，图数据模型的完善以及扩大后期研究进一步探讨。