简介
全球局势的错综复杂让全球难民危机日趋严重。 为此，UAWelcome 创建了一个平台，该平台使用图技术将个人难民及其需求与快速增长的志愿者社区和有限且分散的资源联系起来。 他们的应用程序已经在使用，将志愿者和分散的资源与难民联系起来，并帮助难民寻求庇护。
灵感
为了帮助全球难民，获胜者开始建立一个名为 UAWelcome.org 的网站。 他们决定专注于帮助进入美国的难民开始新的生活——寻找住处、帮助办理文书工作、为孩子们找学校等等。从一开始，很明显很多人都想帮忙，但不知道从哪里开始。 他们必须提出一个框架来仔细整合和协调可用资源。 整个操作基本上可以描述为一个人在环 ETL过程。 但随着任务和形式不断变化，数据变得混乱，他们意识到 NLP 应用程序中的知识图谱可能正是我们所需要的。
它能做什么
图使他们能够构建一个易于使用和维护的众包平台，尽管需求不断变化。在前端，参与者填写简单的表格来指定他们的需求或他们可以提供什么。这些数据被导出到csv、解析并存储到TigerGraph中。然后，志愿者可以通过特定任务的应用程序访问数据，以便他们只能查看和编辑相关部分，从而减少认知超载和意外更改的风险。目前的任务包括难民和东道国核实、安排机票以及将难民与寄宿家庭匹配。如果有人正在寻找庇护所，他们可以以智能的方式将他们与提供房屋的人匹配，旨在最大限度地提高个人体验并优化整体效率。在文书工作或入学方面需要帮助的人与那些已经成功完成任务并选择帮助他人的人联系在一起。支持后端操作的志愿者可以按照自己的时间表访问应用程序并一次执行一项任务。应用程序的简单性——从 UI 和业务逻辑的角度来看，使他们能够快速加入具有不同技术水平的新志愿者。
我们是如何建造它的
从拥有csv 格式的数据开始，最初的想法是仅使用图来对数据进行建模并保持其井井有条。但很快就发现，需要一种更好的方式来与数据交互，于是将 CSV 文件与 Python 脚本和 Google Sheets 结合起来。 该解决方案是围绕 Flask 应用程序构建的。 每个应用程序基本上都是由 TigerGraph 中预安装的 GSQL 查询生成的特定于任务的视图。 预装的查询功能使我们能够减少样板代码的数量。 此外，TigerGraph 有助于将查询与模式更改同步。 查询结果呈现为交互式 html 表。 我们可以控制不同列的行为方式，它们是否可编辑，是否允许下拉菜单等。一旦用户编辑了字段，更新就会反映在图表中，并且可以被另一个应用程序用于下游任务。
