news 2026/8/25 18:40:32

python之知识图谱(Neo4j)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
python之知识图谱(Neo4j)

一、安装方式

1.1 windows安装

安装方式因系统的不同而不同,Neo4j 支持 Linux, Mac,Windows。

安装又离不开官网,官网地址:https://neo4j.com/。因为我是windows操作系统,所以,这次先讲windows的。如何后面涉及到Linux系统的,再进行更新。

我下载的版本是:neo4j-desktop-2.1.0-x64.exe, 也可以去国内的其他站点找找资源。

注意:这个安装有点奇怪,双击直接是安装中,安装目录不可选。

二、运行

2.1 windows运行

先创建一个实例:

浏览器访问WEB, 地址:Neo4j Browserhttp://localhost:7474/browser/

三、核心概念

在操作前先理解 Neo4j 的核心模型:

概念说明
节点(Node)图的基本单元,代表实体(如用户、商品、订单),可添加标签(Label)分类(如:User
关系(Relationship)连接两个节点,有方向(如 User→购买→Product)、类型(如:BUY)和属性
属性(Property)节点 / 关系的键值对(如节点name:"张三",关系amount:99
标签(Label)节点的分类标识(一个节点可多个标签,如:User:VIP
模式(Pattern)节点和关系的组合(如(u:User)-[:BUY]->(p:Product)

Neo4j 使用Cypher(图查询语言)操作数据,语法直观,类似 SQL 但针对图优化。

1. 基础语法规则

  • 节点用()表示,如(n)(u:User)下面有解释
  • 关系用--表示(无方向),->/<-表示方向,如(u)-[:BUY]->(p)
  • 属性用{}表示,如(u:User {id:1, name:"张三"})
  • 关键字(MATCH/CREATE/RETURN)大小写不敏感,推荐大写。

2. 增:创建节点 / 关系

(1)创建节点
# 创建单个节点(带标签和属性) CREATE (u:User {id: 1, name: "张三", age: 25, city: "北京"}) RETURN u; # RETURN 用于返回创建的节点 # 创建多个节点 CREATE (p1:Product {id: 101, name: "手机", price: 3999}), (p2:Product {id: 102, name: "耳机", price: 299}) RETURN p1, p2;

解释:

u:User u 节点的别名,类似关系型数据库的表的别名;:标签分隔符;User是标签,类似关系型数据库表的名称。

下面2行就更好解释了,给Product数据表插入了2条数据,分别是p1和p2。(按照关系型数据库解释)。

(2)创建关系
# 先匹配节点,再创建关系(推荐:避免重复创建) MATCH (u:User {id:1}), (p:Product {id:101}) CREATE (u)-[r:BUY {order_time: "2025-01-01", amount: 1, total: 3999}]->(p) RETURN u, r, p; # 一次性创建节点+关系 CREATE (u:User {id:2, name:"李四"})-[r:VIEW {time:"2025-01-02"}]->(p:Product {id:102}) RETURN u, r, p;

3. 查:查询数据(核心)

(1)基础查询
# 查询所有 User 节点 MATCH (u:User) RETURN u.name, u.age; # 查询带条件的节点 MATCH (u:User {age:25}) RETURN u; # 查询关系(张三购买的商品) MATCH (u:User {name:"张三"})-[r:BUY]->(p:Product) RETURN u.name, r.order_time, p.name; # 查询路径(如用户→购买→商品的所有路径) MATCH path = (u:User)-[:BUY]->(p:Product) RETURN path;
(2)进阶查询(过滤、排序、分页)
# 过滤:价格>1000的商品 MATCH (p:Product) WHERE p.price > 1000 RETURN p.name, p.price; # 排序+分页:按价格降序,取前1条 MATCH (p:Product) RETURN p.name, p.price ORDER BY p.price DESC LIMIT 1; # 统计:用户购买商品的数量 MATCH (u:User)-[:BUY]->(p:Product) RETURN u.name, COUNT(p) AS buy_count; # 多关系查询(用户既购买又浏览的商品) MATCH (u:User)-[:BUY]->(p:Product), (u)-[:VIEW]->(p) RETURN u.name, p.name;

4. 改:更新数据

# 更新节点属性(修改张三的年龄) MATCH (u:User {name:"张三"}) SET u.age = 26, u.city = "上海" # 新增属性也用SET RETURN u; # 更新关系属性(修改订单金额) MATCH (u:User {id:1})-[r:BUY]->(p:Product {id:101}) SET r.total = 3899 # 优惠100 RETURN r;

5. 删:删除节点 / 关系

⚠️ 注意:删除节点前必须先删除其关联的关系,否则会报错。

# 删除单个关系 MATCH (u:User {id:1})-[r:BUY]->(p:Product {id:101}) DELETE r; # 删除节点(先删关系再删节点) MATCH (u:User {id:2})-[r]->(p:Product) # 匹配所有关联关系 DELETE r, u, p; # 同时删除关系和节点 # 删除所有节点和关系(清空数据库,谨慎使用!) MATCH (n) DETACH DELETE n; # DETACH DELETE 自动删除节点的所有关系

四、进阶用法

1. 索引与约束(优化查询 + 保证数据唯一性)

(1)创建索引(加速查询)
# 为 User 的 id 创建索引 CREATE INDEX idx_user_id FOR (u:User) ON (u.id); # 为 Product 的 name 创建全文索引(支持模糊查询) CREATE FULLTEXT INDEX idx_product_name FOR (p:Product) ON EACH [p.name];
(2)创建约束(保证唯一性)
# 保证 User 的 id 唯一 CREATE CONSTRAINT constraint_user_id UNIQUE FOR (u:User) REQUIRE u.id IS UNIQUE; # 非空约束(Neo4j 4.0+) CREATE CONSTRAINT constraint_product_price FOR (p:Product) REQUIRE p.price IS NOT NULL;

2. 批量导入数据

(1)CSV 导入(适合大量数据)

准备 CSV 文件(如users.csv):

id,name,age,city 3,王五,30,广州 4,赵六,28,深圳

放入 Neo4j 的import目录(桌面版可在「Database → Open Folder → Import」找到);

执行导入命令:

(2)使用 APOC 插件(更灵活)

APOC 是 Neo4j 官方扩展库,支持 JSON/Excel 导入、批量操作等,需先安装(桌面版可在「Plugins」中启用)。

3. 编程语言连接(Python 示例)

使用neo4j官方驱动(需先安装:pip install neo4j):

from neo4j import GraphDatabase # 连接数据库 driver = GraphDatabase.driver( "bolt://localhost:7687", auth=("neo4j", "你的密码") ) # 执行查询 def get_user_buy_products(user_name): with driver.session() as session: result = session.run( """ MATCH (u:User {name:$name})-[r:BUY]->(p:Product) RETURN u.name, r.order_time, p.name """, name=user_name ) # 处理结果 for record in result: print(f"用户 {record['u.name']} 在 {record['r.order_time']} 购买了 {record['p.name']}") # 调用函数 get_user_buy_products("张三") # 关闭连接 driver.close()

五、常用工具与技巧

  1. Neo4j Browser 快捷键
    • :help:查看帮助;
    • :schema:查看索引、约束、标签和关系类型;
    • :clear:清空界面;
  2. 性能优化
    • 为查询字段创建索引;
    • 避免MATCH (n)全图扫描;
    • 复杂查询用PROFILE分析执行计划(如PROFILE MATCH (u:User)-[:BUY]->(p) RETURN u);
  3. 可视化:Neo4j Browser 中查询结果可切换「Graph」视图,直观展示节点和关系。

六、常见问题

  1. 忘记密码:桌面版可在「Database → Manage → Change Password」修改;Docker 部署可进入容器重置;
  2. 端口被占用:修改neo4j.conf中的dbms.connector.bolt.portdbms.connector.http.port
  3. 数据备份 / 恢复:使用neo4j-admin dump/neo4j-admin load命令,或桌面版的「Backup/Restore」功能。

总结

Neo4j 的核心是 Cypher 语言和图数据模型,新手建议先通过桌面版熟悉基础操作,再结合业务场景做进阶开发(如知识图谱构建、路径分析)。官方文档(Neo4j Docs)是最权威的参考,可深入学习高级特性(如图算法、事务、集群部署)。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/26 6:46:58

工作七年总结:这 7 种设计模式,解决 99% 的 Java 开发场景

工作七年总结&#xff1a;这 7 种设计模式&#xff0c;解决 99% 的 Java 开发场景 &#xff08;2025 年真实项目版&#xff0c;背下来直接升架构师&#xff09; 我把过去 7 年踩过的坑、背过的锅、扛过的锅&#xff0c;全都浓缩成这 7 个模式。 99% 的业务系统&#xff08;电…

作者头像 李华
网站建设 2026/8/25 14:56:09

5大核心技术揭秘:卷积神经网络如何颠覆传统图像识别 [特殊字符]

5大核心技术揭秘&#xff1a;卷积神经网络如何颠覆传统图像识别 &#x1f680; 【免费下载链接】CNN卷积神经网络讲解50多页PPT详细介绍 本PPT深入浅出地讲解了卷积神经网络&#xff08;CNN&#xff09;的核心原理与应用&#xff0c;涵盖从基础结构到卷积、池化等操作的详细解析…

作者头像 李华
网站建设 2026/8/26 0:53:33

250M参数撬动百亿市场:ModernVBERT重构智能文档检索范式

250M参数撬动百亿市场&#xff1a;ModernVBERT重构智能文档检索范式 【免费下载链接】modernvbert 项目地址: https://ai.gitcode.com/hf_mirrors/ModernVBERT/modernvbert 导语 在参数规模动辄千亿的大模型时代&#xff0c;仅2.5亿参数的ModernVBERT以"小而美&q…

作者头像 李华
网站建设 2026/8/26 4:10:27

Sysbench自动化测试:效率提升10倍的秘诀

快速体验 打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容&#xff1a; 构建一个Sysbench自动化测试平台&#xff0c;功能包括&#xff1a;1) 测试用例模板库&#xff1b;2) 一键触发多机分布式测试&#xff1b;3) 自动收集和聚合测试结果&#xff1b;4)…

作者头像 李华
网站建设 2026/8/26 13:50:48

875-LangChain框架Use-Cases - 代码调试系统 - 案例分析

1. 案例目标 本案例旨在构建一个基于LangGraph的AI驱动Python代码调试系统&#xff0c;通过自动化流程执行代码、分析错误、建议修复并验证修正。 系统主要实现以下目标&#xff1a; 自动执行Python代码并捕获错误使用AI分析错误并识别根本原因生成修复后的代码和单元测试验…

作者头像 李华
网站建设 2026/8/26 13:14:23

877-LangChain框架Use-Cases - LangGraph Studio多智能体系统分析

案例目标本案例展示了如何使用LangChain和LangGraph Studio构建一个多智能体工作流系统&#xff0c;用于研究特定人物、职业背景、所属公司&#xff0c;并生成后续问题或面试提示。该系统通过多个专门的智能体协同工作&#xff0c;实现从信息收集、分析到问题生成的完整流程&am…

作者头像 李华