前言

今天，我们一起来学习知识图谱中的Neo4J。首先，什么是知识图谱？先摘一段百度百科：

Neo4j是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是他们可以享受到具备完全的事务特性、企业级的数据库的所有好处。
Neo4j因其嵌入式、高性能、轻量级等优势，越来越受到关注.

Neo是一个网络——面向网络的数据库——也就是说，它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络上而不是表中。网络（从数学角度叫做图）是一个灵活的数据结构，可以应用更加敏捷和快速的开发模式。

简单说来，知识图谱就是通过不同知识的关联性形成一个网状的知识结构，而这个知识结构，恰好就是人工智能AI的基石。当前AI领域热门的计算机图像、语音识别甚至是NLP，其实都是AI的感知能力，真正AI的认知能力，就要靠知识图谱。

知识图谱目前的应用主要在搜索、智能问答、推荐系统等方面。知识图谱的建设，一般包括数据获取、实体识别和关系抽取、数据存储、图谱应用都几个方面。

本文，从Neo4j的数据存储来学习如何使用

一、Neo4J简介

官网： https://neo4j.com/
知识图谱由于其数据包含实体、属性、关系等，常见的关系型数据库诸如MySQL之类不能很好的体现数据的这些特点，因此知识图谱数据的存储一般是采用图数据库（Graph Databases）。而Neo4j是其中最为常见的图数据库。

对比关系型数据库：

关系型数据库（RDBMS）	图数据库
表	图
行	节点
列和数据	属性和数据
约束	关系

对比其他NoSQL数据库

NoSQL数据库大致可以分为四类：

• 键值(key/value)数据库
• 列存储数据库
• 文档型数据库
• 图数据库

分类	数据模型	优势	劣势	举例
键值数据库	哈希表	查找速度快	数据无结构化，通常只被当作字符串或者二进制数据	Redis
列存储数据库	列式数据存储	查找速度快；支持分布横向扩展；数据压缩率高	功能相对受限	HBase
文档型数据库	键值对扩展	数据结构要求不严格；表结构可变；不需要预先定义表结构	查询性能不高，缺乏统一的查询语法	MongoDB
图数据库	节点和关系组成的图	利用图结构相关算法(最短路径、节点度关系查找等)	可能需要对整个图做计算，不利于图数据分布存储	Neo4j、JanusGraph

二、Neo4J下载安装

方法1：安装Neo4j Community Server

Neo4j和MySQL类似，我们也需要安装一个服务端程序，再安装一个客户端程序，客户端程序不安装直接使用命令行操作也可以。接下来先安装服务端程序。
首先在 https://neo4j.com/download-center// 下载Neo4J。Neo4J分为社区版和企业版，企业版在横向扩展、权限控制、运行性能、HA等方面都比社区版好，适合正式的生产环境，普通的学习和开发采用免费社区版就好。
注意： neo4j最新版对应的java版本是jdk11

jdk8可以下载Neo4j Community Edition 3.5.28

官方文档：https://neo4j.com/docs/operations-manual/3.5/
解压到新目录（注意：目录名称不要有中文）,比如： D:\neo4j\

# 将Neo4j作为控制台应用程序运行
<NEO4J_HOME>\bin\neo4j console
# 将Neo4j作为服务使用进行安装
<NEO4J_HOME>\bin\neo4j install-service

进入到bin目录，执行
neo4j console: 直接启动 neo4j 服务，
此外，还有其他几个命令：

install-service | uninstall-ser update-service ： 安装/卸载/更新 neo4j 服务
start/stop/restart/status: 启动/停止/重启/状态
-V 输出更多信息

启动成功之后就可以在浏览器进行访问了，默认端口号是7474，ip改为服务器地址。
http://localhost:7474
访问成功应该是下图这个页面，能访问到说明正常启动，输入默认用户名neo4j和密码neo4j进行连接。

连接成功后如下图所示：

这个界面很友好，英文好的同学可以根据官方向导开始学习了。而像我这种英文渣渣就只能一步步慢慢摸索了。

安装方法2：直接按照带服务端的客户端

对于初学者来说大多数还都是在Windows系统上进行入门学习，所以我们可以直接下载Windows的客户端运行使用。

这里可以直接下载最新版客户端版本

安装客户端后可以自行选择任何neo4j server版本进行安装，都是界面化操作，安装好server之后可以直接一键启动，启动成功后也可以使用浏览器http://localhost:7474进行连接，也可以使用客户端连接，很方便。

基础工作完成之后，我们开始命令CQL语句的学习。

三：Neo4j Cypher 语言

到这里还是先学习一下Neo4j的数据模型再写CQL吧。

Neo4j数据模型

Neo4j是一个表示关系连接的图数据库，既然是图，那么必然有节点，和连接两个节点之间的关系组成。每个节点相当于一个实体，每个实体都有构成它的属性。
比如刘备和关羽，刘备和关羽都是一个个的实体，都可以称作为一个节点，他们有一个共同的标签：都是人，。他们之间的关系为：兄弟，刘备的属性是仁义、大耳贼、汉皇后裔等等。关羽的属性有：勇猛、忠义等等。

在Neo4j中，数据模型的主要构建块是：

• 节点
• 关系
• 属性
• 标签

节点

节点（Node)是图数据库中的一个基本元素，用来表示一个实体记录，就像关系数据库中的一条记录一 样。在Neo4j中节点可以包含多个属性(Property)和多个标签(Label)。

• 节点是主要的数据元素，节点通过关系连接到其他节点
• 节点可以具有一个或多个属性（即，存储为键/值对的属性）
• 节点有一个或多个标签，用于描述其在图表中的作用

属性

属性（Property）是用于描述图节点和关系的键值对。其中Key是一个字符串，值可以通过使用任何 Neo4j数据类型来表示

• 属性是命名值，其中名称（或键）是字符串
• 属性可以被索引和约束 可以从多个属性创建复合索引

关系

关系（Relationship）同样是图数据库的基本元素。
当数据库中已经存在节点后，需要将节点连接起来构成图。关系就是用来连接两个节点，关系也称为图论的边(Edge) ,其始端和末端都必须是节点，关系不 能指向空也不能从空发起。关系和节点一样可以包含多个属性，但关系只能有一个类型(Type) 。

• 关系连接两个节点
• 关系是方向性的
• 节点可以有多个甚至递归的关系
• 关系可以有一个或多个属性（即存储为键/值对的属性）

基于方向性，Neo4j关系被分为两种主要类型：

• 单向关系
• 双向关系

标签

标签（Label）将一个公共名称与一组节点或关系相关联， 节点或关系可以包含一个或多个标签。 我们可以为现有节点或关系创建新标签， 我们可以从现有节点或关系中删除标签。

• 标签用于将节点分组
• 一个节点可以具有多个标签
• 对标签进行索引以加速在图中查找节点
• 本机标签索引针对速度进行了优化

Cypher 语言

Neo4j的Cypher语言是为处理图形数据而构建的，CQL代表Cypher查询语言。像Oracle数据库具有查询 语言SQL，Neo4j具有CQL作为查询语言。

• 它是Neo4j图形数据库的查询语言。
• 它是一种声明性模式匹配语言
• 它遵循SQL语法。
• 它的语法是非常简单且人性化可读的格式。

CQL命令	用法
CREATE	创建节点，关系和属性
MATCH	检索有关节点，关系和属性数据
RETURN	返回查询结果
WHERE	提供条件过滤检索数据
DELETE	删除节点和关系
REMOVE	删除节点和关系的属性
ORDER BY	排序检索数据
SET	添加或更新标签

官方文档命令说明：https://neo4j.com/docs/cypher-manual/3.5/clauses/

CQL命令实战

直接看Cypher的语法会非常枯燥，本文通过一个实际的案例来一步一步学习如何使用Cypher来操作Neo4J。

• 1、创建节点

#创建简单节点
create (n)
#创建多个节点
create (n),(m)
#创建带标签和属性的人物节点并返回节点
create (n:Person {name:'刘备'}) return n

CREATE是创建操作，n是节点，Person是标签，代表节点的类型。花括号{}代表节点的属性，属性类似Python的字典。这条语句的含义就是创建一个标签为Person的节点，该节点具有一个name属性，属性值是刘备。return n 就是返回当前节点的值

如图所示，在Neo4J的界面上可以看到创建成功的节点。

我们继续来创建三国更多的人物节点，并分别命名：

create (country:shu { name:'刘备'});
create (country:shu { name:'关羽'});
create (country:shu { name:'张飞'});
create (country:shu { name:'诸葛亮'});
create (country:shu { name:'张苞'});
create (country:shu { name:'关平'});
create (country:shu { name:'关兴'});
create (country:shu { name:'韩遂'});
create (country:shu { name:'黄承彦'});
create (country:shu { name:'黄月英'});
create (country:shu { name:'黄忠'});
create (country:shu { name:'姜维'});
create (country:shu { name:'刘禅'});
create (country:shu { name:'刘启'});
create (country:shu { name:'刘胜'});
create (country:shu { name:'刘协'});
create (country:shu { name:'马超'});
create (country:shu { name:'马良'});
create (country:shu { name:'马谡'});
create (country:shu { name:'马腾'});
create (country:shu { name:'孟获'});
create (country:shu { name:'糜芳'});
create (country:shu { name:'糜夫人'});
create (country:shu { name:'庞统'});
create (country:shu { name:'孙尚香'});
create (country:shu { name:'魏延'});
create (country:shu { name:'赵云'});
create (country:shu { name:'诸葛瑾'});create (country:wei { name:'曹操'});
create (country:wei { name:'曹植'});
create (country:wei { name:'曹丕'});create (country:wu { name:'孙策'});
create (country:wu { name:'孙权'});
create (country:wu { name:'周瑜'});

查看刚创建的这些节点信息

match(n) return n

这里，MATCH是匹配操作，而小括号()代表一个节点 node（可理解为括号类似一个圆形），括号里面的n为 标识符 。
这里为便于直观感受先使用基本的查询语句，后面再详细讲解。

Neo4J贴心地使用不用的颜色来表示不同类型的节点。

• 接下来创建关系

MATCH (a:shu {name:'刘备'}), (b:shu {name:'关羽'})
MERGE (a)-[:大哥]->(b)

这里的方括号[]即为关系，大哥为关系的类型。注意这里的箭头–>是有方向的，表示是从a到b的关系。 如图，刘备和关羽之间建立了大哥关系，

再使用这个命令查看我们刚才创建的关系，通过Neo4J的可视化很明显的可以看出：

match(n) return n

• 关系也可以增加属性

MATCH (a:shu {name:'刘备'}), (b:shu {name:'张飞'})
MERGE (a)-[:大哥  {since:"桃园结义"}]->(b)

在关系中，同样的使用花括号{}来增加关系的属性，也是类似Python的字典，这里给大哥关系增加了since属性，属性值为“桃园结义”，表示他们建立兄弟关系的时间。

-接下来增加更多的关系

match (p1:shu {name:'刘备'}),(p2:shu{name:'关羽'}) create (p1)- [r:rel {relation:'结义兄弟'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'张飞'}) create (p1)- [r:rel {relation:'结义兄弟'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'马超'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'庞统'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'黄忠'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'赵云'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'魏延'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'法正'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'糜芳'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'甘夫人'}),(p2:shu{name:'刘备'}) create (p1)- [r:rel {relation:'妻'}]->(p2);
match (p1:shu {name:'糜夫人'}),(p2:shu{name:'刘备'}) create (p1)- [r:rel {relation:'次妻'}]->(p2);
match (p1:shu {name:'孙尚香'}),(p2:shu{name:'刘备'}) create (p1)- [r:rel {relation:'妻'}]->(p2);
match (p1:shu {name:'关羽'}),(p2:shu{name:'关兴'}) create (p1)- [r:rel {relation:'父子'}]->(p2);
match (p1:shu {name:'关平'}),(p2:shu{name:'关羽'}) create (p1)- [r:rel {relation:'义子'}]->(p2);
match (p1:shu {name:'张飞'}),(p2:shu{name:'张苞'}) create (p1)- [r:rel {relation:'父子'}]->(p2);
match (p1:shu {name:'马腾'}),(p2:shu{name:'马超'}) create (p1)- [r:rel {relation:'父子'}]->(p2);
match (p1:shu {name:'马腾'}),(p2:shu{name:'韩遂'}) create (p1)- [r:rel {relation:'异性兄弟'}]->(p2);
match (p1:shu {name:'马谡'}),(p2:shu{name:'马良'}) create (p1)- [r:rel {relation:'弟弟'}]->(p2);
match (p1:shu {name:'糜芳'}),(p2:shu{name:'糜夫人'}) create (p1)- [r:rel {relation:'兄妹'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'诸葛亮'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'黄月英'}),(p2:shu{name:'诸葛亮'}) create (p1)- [r:rel {relation:'妻'}]->(p2);
match (p1:shu {name:'黄承彦'}),(p2:shu{name:'黄月英'}) create (p1)- [r:rel {relation:'父女'}]->(p2);
match (p1:shu {name:'姜维'}),(p2:shu{name:'诸葛亮'}) create (p1)- [r:rel {relation:'弟子'}]->(p2);
match (p1:shu {name:'诸葛亮'}),(p2:shu{name:'诸葛瑾'}) create (p1)- [r:rel {relation:'兄弟'}]->(p2);
match (p1:shu {name:'诸葛亮'}),(p2:shu{name:'诸葛瞻'}) create (p1)- [r:rel {relation:'父子'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'刘禅'}) create (p1)- [r:rel {relation:'父子'}]->(p2);
match (p1:shu {name:'甘夫人'}),(p2:shu{name:'刘禅'}) create (p1)- [r:rel {relation:'母子'}]->(p2);
match (p1:shu {name:'刘禅'}),(p2:shu{name:'姜维'}) create (p1)- [r:rel {relation:'主公'}]->(p2);
match (p1:shu {name:'诸葛瞻'}),(p2:shu{name:'刘禅'}) create (p1)- [r:rel {relation:'女婿'}]->(p2);
match (p1:shu {name:'刘备'}),(p2:shu{name:'刘胜'}) create (p1)- [r:rel {relation:'后代'}]->(p2);
match (p1:shu {name:'刘胜'}),(p2:shu{name:'刘启'}) create (p1)- [r:rel {relation:'父子'}]->(p2);
match (p1:shu {name:'刘启'}),(p2:shu{name:'刘辩'}) create (p1)- [r:rel {relation:'宗亲'}]->(p2);
match (p1:shu {name:'刘辩'}),(p2:shu{name:'刘协'}) create (p1)- [r:rel {relation:'让位'}]->(p2);MATCH (p1:wei {name:'曹植'}), (p2:wei {name:'曹操'}) MERGE (p1)-[:儿子]->(p2);
MATCH (p1:wei {name:'曹丕'}), (p2:wei {name:'曹操'}) MERGE (p1)-[:儿子]->(p2);
MATCH (p1:wei {name:'曹操'}), (p2:wei {name:'曹丕'}) MERGE (p1)-[:父亲]->(p2);
MATCH (p1:wei {name:'曹操'}), (p2:wei {name:'曹植'}) MERGE (p1)-[:父亲]->(p2);MATCH (p1:wu {name:'孙策'}), (p2:wu {name:'孙权'}) MERGE (p1)-[:弟弟  {type:"亲情"}]->(p2);
MATCH (p1:wu {name:'孙权'}), (p2:wu {name:'孙策'}) MERGE (p1)-[:哥哥  {type:"亲情"}]->(p2)
MATCH (p1:wu {name:'周瑜'}), (p2:wu {name:'孙策'}) MERGE (p1)-[:主公  {type:"主从"}]->(p2);

将上面生成的节点和关系语句在neo4j中执行，就可以了。然后查询，就可以看到效果图了,
有点图谱的意思了吧？

篇幅太长了，剩下的详细查询方法，更新，删除，等另起一篇文章写。
拜拜~

Neo4j入门实战，以三国英雄关系为例入门Neo4j知识图谱相关推荐

1. Pyhton操作Neo4j图数据库实践（南北朝隋唐历史北朝主要人物知识图谱）

   独孤信"第一岳父"之称很形象,他有三个女儿做了三个朝代皇后,以及杨坚.杨广.李渊等人关系.本文试着使用图数据库(neo4j)表达这段南北朝隋唐历史北朝主要人物知识图谱. 1. Ne ...

2. 英雄联盟云顶之弈知识图谱构建

   文章目录 **英雄联盟云顶之弈知识图谱创建** 1.白板建模 1.1云顶之奕是什么? 1.2白板建模 2.数据收集处理 3.图谱创建 4.查询分析 4.5装备图谱 5.总结反思 英雄联盟云顶之弈知识图 ...

3. Neo4j 实战篇（一）基于Py2Neo构建电影知识图谱

   运行环境 windows11 JDK 8 anaconda3 python 3.9 Neo4j 3.5.32 python jupyter库 py2neo Visual Studio Code 202 ...

4. 远程监督关系抽取漫谈：结合知识图谱和图神经网络

   远程监督关系抽取是一种用知识图谱去对齐朴素文本的标注方法,属于半监督学习算法,自然而然提取特征的时候就会出现很多噪声.比如两个实体之间还有别的关系或者是没有关系,这样的训练数据会对关系抽取器产生影响. ...

5. 图谱实战 | 华农夏静波：深层语义知识图谱在药物重定位中的应用

   转载公众号 | DataFunSummit 分享嘉宾:夏静波 华中农业大学 副教授 编辑整理:王金华 电科32所 出品平台:DataFunTalk 导读:自新冠病毒肺炎疫情发生以来,由于传统药物研发周 ...

6. 知识图谱应用实战案例100篇（一）-阿里巴巴超大规模知识图谱预训练实践：商品分类

   基于电子商务平台上亿级的庞大商品库,电子商务交易得以不断增长. 为了更好地支持日常业务,需要将这些海量的商品以一种更优的方式进行描述.存储和计算,并且需要支持融合不同来源的数据,建立实体之间的语义连接 ...

7. [知识图谱实战篇] 七.HTML+D3实现关系图谱搜索功能

   前面作者讲解了很多知识图谱原理知识,包括知识图谱相关技术.Neo4j绘制关系图谱等,但仍缺少一个系统全面的实例.为了加深自己对知识图谱构建的认识,为后续创建贵州旅游知识图谱打下基础,作者深入学习了张宏 ...

8. MATLAB App Designer入门实战（一）

   最近也是在研究MATLAB App Designer,开这样的一个系列主要是为了记录我在研究App Designer时遇到的一部分问题的解决,和一部分有趣的想法,每一篇文章会展示如何将一个项目mlap ...

9. MATLAB App Designer入门实战（三）

   这期文章中的问题虽然比较少,但是综合性较强. 系列文章目录: MATLAB 手把手带你制作第一个APP designer程序(电子词典) MATLAB App Designer入门实战(一) MATL ...

最新文章

1. TCP/IP详解--TCP/IP中三次握手 四次握手状态分析
2. SQL_MODE设置
3. 我张哥做的这ARM开发板，真酸爽！
4. Spring Boot application.properties 常用配置
5. LeetCode 198 打家劫舍
6. 万人攻防大战：淘宝优惠活动，沦为黑产盛宴
7. Android性能优化典范第一季
8. xtrabackup备份mysql_xtrabackup备份mysql
9. Java中swing使用ImageIcon类添加图片
10. AIDA64 Business Edition（系统检测）多国语言绿色特别
11. 基于K均值聚类算法的图像分割（Matlab）
12. android 拍照水印日期,胶片日期水印app安卓版-胶片日期水印手机版预约v1.0-发卡屋...
13. dat图片 电脑端微信_微信电脑图片dat转为jpg
14. arduino智能跟随小车
15. 华为高清会议摄像机预置位的使用方法
16. agc004E Salvage Robots
17. 在博客和Markdown和Python中自由添加emoji！包括博客标题和Python打印！
18. Android实现新闻列表
19. vue 308 Permanent Redirect (from disk cache)问题
20. kafka topic 操作

热门文章

1. 别小看“Spring过滤器”，这些知识点你必须得掌握
2. CG100-18款全新英朗，里程数据恢复成功！
3. terminus rz上传_Terminus和FluentTerminal是Windows的第三方OSS控制台替代品世界的开始
4. 【新】刀具管理系统 上线~~
5. 好心情医生建议：精神病人要做好这4点
6. 想问问有没有大佬做过四旋翼飞行器的巡航功能的 ！ 急！！！！！！！
7. 考研数学05-12年真题总结
8. FontForge不识别，WINDOWS报错：mstmc.ttf真的是字体文件吗？
9. #364 – 日历控件日期多选（Allowing a User to Select Multiple Dates in a Calendar Control）
10. 宝能汽车版图再扩张：斥资30亿建电池厂