基于 Neo4j 和 py2neo 的知识图谱搭建指南

一、Neo4j 图数据库

Neo4j 是一个高性能的、原生的图数据库。它不采用传统的行和列的表格结构，而是使用节点和关系的图结构来存储和管理数据。

1、Neo4j 安装 - Mac Brew 版

安装了 Homebrew 直接在终端输入以下命令即可安装。

安装后，Neo4j 浏览器可通过 http://localhost:7474 访问。

登录 Neo4j

1. 在登录页面填写信息：Connect URL：输入 neo4j://localhost:7687。
2. Authentication type：保持为 "Username / Password"。
3. Username：输入 neo4j。
4. Password：首次连接时输入默认密码 neo4j。
5. 点击蓝色的 Connect 按钮。

首次连接成功后，系统会强制要求修改默认密码。设置一个新的安全密码。

测试连接

连接成功后，在顶部的命令行中输入 Cypher 查询语句，例如：

RETURN "Hello World";

2、Neo4j 快速入门

1. 点击左边栏的星星图标，在 Example Graphs 中选择 Movie Graph，点击运行，查看电影图谱教程。
2. 创建图谱：点击灰色代码框，创建图谱的代码会自动复制到代码框，点击运行即可看到创建的电影图谱。
3. 查找：支持按演员名、电影标题、时间范围等条件查询。

3、Neo4j 基本操作

以【麦当劳】为背景，用 Neo4j 的 Cypher 查询语言演示基本增删改查操作。

建立简单的图谱，包含两种节点和一种关系：

• 节点类型 1：餐厅
  • 属性：名称，地址，开业年份
• 节点类型 2：产品
  • 属性：名称，价格，类别
• 关系类型：供应
  • 属性：自何时起供应

（1）增操作

创建节点

CREATE (r:餐厅 {名称：'麦当劳', 地址：'某街道', 开业年份：1955}) RETURN r;

创建关系

MATCH (r:餐厅 {名称：'麦当劳'}), (p:产品 {名称：'汉堡'})
CREATE (r)-[:供应 {自何时起供应：'1955'}]->(p);

（2）查操作

查找所有餐厅

MATCH (r:餐厅) RETURN r;

查找特定餐厅供应的所有产品

MATCH (r:餐厅 {名称：'麦当劳'})-[s:供应]->(p:产品) RETURN p;

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。