基于 Neo4j 和 py2neo 的知识图谱搭建指南

多跳查询

MATCH (r1:餐厅)-[:供应]->(p:产品)<-[:供应]-(r2:餐厅)
WHERE r1 <> r2 RETURN r1, r2;

（3）改操作

更新节点属性

MATCH (r:餐厅 {名称：'麦当劳'}) SET r.地址 = '新地址' RETURN r;

新增节点属性

MATCH (r:餐厅 {名称：'麦当劳'}) SET r.评分 = 5.0 RETURN r;

更新关系属性

MATCH ()-[s:供应]->() SET s.自何时起供应 = '2023' RETURN s;

（4）删操作

删除关系

MATCH ()-[s:供应]->() DELETE s;

删除节点（必须先删除其所有关系）

MATCH (n:餐厅) DETACH DELETE n;

删除所有节点

MATCH (n) DETACH DELETE n;

Neo4j 的核心优势在于通过 MATCH 子句描述关联模式，这使得查询复杂的关系网络变得简单和高效。

4、安装 py2neo

py2neo 是 Python 连接和操作 Neo4j 图数据库的主要工具库。

pip install py2neo

二、数据预处理

数据预处理包括数据清洗、实体识别等步骤，目的是将原始数据转换为适合构建知识图谱的格式。

1、数据清洗

• 补全缺失值：对于明显缺失的信息，可以标记为【缺失】或根据上下文推断。
• 格式标准化：将日期统一为【YYYY-MM-DD】格式。
• 去除重复值：删除重复的条目。

2、知识建模

从业务角度理解数据，设计出合理的图谱结构。

（1）识别实体

实体是知识图谱中的【节点】。主要实体类型包括：

• 订单记录：核心实体，每一笔订单就是一个销售事件。
• 产品：订单中的商品。
• 配方标准：制作产品的依据和标准。
• 客户反馈：客户对订单或产品的评价与建议。
• 促销活动：与订单关联的营销方案。
• 门店：订单发生的背景。

（2）识别实体属性

属性是描述实体的键值对。例如订单记录的属性包括下单时间、订单金额、支付方式等；产品的属性包括产品名称、规格、单价等。

（3）识别关系

关系是连接实体的边。例如：

• 门店 -- 提供 --> 产品
• 订单记录 -- 产生于 --> 门店
• 订单记录 -- 包含 --> 产品
• 产品 -- 依据 --> 配方标准

三、搭建知识图谱

使用 py2neo 连接数据库并执行写入操作。

from py2neo import Graph

# 连接 Neo4j
graph = Graph("bolt://localhost:7687", auth=("neo4j", "your_password"))

# 执行 Cypher 语句
result = graph.run("MATCH (n) RETURN n LIMIT 10")
print(result.data())

请根据实际数据集修改上述代码逻辑。