知识图谱组队学习Task01——知识图谱介绍

一、知识图谱简介

知识图谱是由 Google 公司在 2012 年提出来的一个新的概念。从学术的角度，我们可以对知识图谱给一个这样的定义：“知识图谱本质上是语义网络（Semantic Network）的知识库”。但这有点抽象，所以换个角度，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relationalGraph）。

知识图谱的数据源主要来自两种渠道：

• 业务本身的数据。这部分数据通常包含在公司内的数据库表并以结构化的方式存储，一般只需要简单预处理即可以作为后续AI系统的输入；
• 网络上公开、抓取的数据。这些数据通常是以网页的形式存在所以是非结构化的数据，一般需要借助于自然语言处理等技术来提取出结构化信息。

构建知识图谱所涉及的技术：

• 命名实体识别（Named Entity Recognition）：从文本里提取出实体并对每个实体做分类/打标签
• 关系抽取（Relation Extraction）：把实体间的关系从文本中提取出来
• 实体统一（Entity Resolution）：对于有些实体写法上不一样，但其实是指向同一个实体
• 指代消解（Disambiguation）：文本中出现的“it”, “he”, “she”这些词到底指向哪个实体

知识图谱主要有两种存储方式：

• 基于RDF的存储：以三元组的方式来存储数据而且不包含属性信息，设计原则是数据的易发布以及共享
• 基于图数据库的存储：以属性图为基本的表示形式，实体和关系可以包含属性，能够进行高效的图查询和搜索。Neo4j系统目前仍是使用率最高的图数据库

二、Neo4J

1.Neo4J的安装方法

win10 下安装 neo4j

2.Neo4J的基本操作

手把手教你快速入门知识图谱 - Neo4J教程

3.通过 Python 操作 Neo4j

（1）neo4j模块：执行CQL ( cypher ) 语句

from neo4j import GraphDatabase
# step 2：连接 Neo4j 图数据库
driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j", "password"))
# 添加 关系 函数
def add_friend(tx, name, friend_name):
    tx.run("MERGE (a:Person {name: $name}) "
            "MERGE (a)-[:KNOWS]->(friend:Person {name: $friend_name})",
            name=name, friend_name=friend_name)
# 定义 关系函数
def print_friends(tx, name):
    for record in tx.run("MATCH (a:Person)-[:KNOWS]->(friend) WHERE a.name =$name "
                            "RETURN friend.name ORDER BY friend.name", name=name):
        print(record["friend.name"])
# step 3：运行
with driver.session() as session:
    session.write_transaction(add_friend, "Arthur", "Guinevere")
    session.write_transaction(add_friend, "Arthur", "Lancelot")
    session.write_transaction(add_friend, "Arthur", "Merlin")
    session.read_transaction(print_friends, "Arthur")

（2）py2neo模块：通过操作python变量，达到操作neo4j的目的

# step 1：导包
from py2neo import Graph, Node, Relationship
# step 2：构建图
g = Graph("http://localhost:7474",auth=("neo4j","password"))
# step 3：创建节点
tx = g.begin()
a = Node("Person", name="Alice")
tx.create(a)
b = Node("Person", name="Bob")
# step 4：创建边
ab = Relationship(a, "KNOWS", b)
# step 5：运行
tx.create(ab)
tx.commit()

py2neo模块符合python的习惯，写着感觉顺畅

4.通过csv文件批量导入图数据

Neo4j之导入数据