图数据库Neo4j与知识图谱实战大家好我是欧阳瑞Rich Own。今天想和大家聊聊图数据库这个重要话题。作为一个全栈开发者图数据库是处理复杂关系数据的利器。今天就来分享一下Neo4j的使用经验。什么是图数据库图数据库是一种以图结构存储数据的数据库特别适合处理复杂的关系数据。为什么选择图数据库场景说明社交网络用户关系、好友推荐知识图谱实体关系、语义搜索推荐系统关联推荐、相似性分析网络分析路径查找、社区发现Neo4j入门安装Neo4j# 使用Docker安装 docker run -d --name neo4j \ -p 7474:7474 \ -p 7687:7687 \ -e NEO4J_AUTHneo4j/password \ neo4j:latestCypher查询语言// 创建节点 CREATE (:User {name: Alice, age: 30}) CREATE (:User {name: Bob, age: 25}) // 创建关系 MATCH (a:User {name: Alice}), (b:User {name: Bob}) CREATE (a)-[:FRIENDS_WITH]-(b) // 查询 MATCH (u:User)-[:FRIENDS_WITH]-(friend) WHERE u.name Alice RETURN friend.name // 路径查找 MATCH path (a:User {name: Alice})-[*1..3]-(b:User {name: Charlie}) RETURN path实战案例社交网络分析// 导入数据 LOAD CSV WITH HEADERS FROM file:///users.csv AS row CREATE (:User {id: row.id, name: row.name, age: toInteger(row.age)}) LOAD CSV WITH HEADERS FROM file:///relationships.csv AS row MATCH (a:User {id: row.from}), (b:User {id: row.to}) CREATE (a)-[:FRIENDS_WITH {since: row.since}]-(b) // 查找共同好友 MATCH (a:User {name: Alice}), (b:User {name: Bob}) MATCH (a)-[:FRIENDS_WITH]-(common)-[:FRIENDS_WITH]-(b) RETURN common.name // 推荐好友 MATCH (a:User {name: Alice})-[:FRIENDS_WITH]-(friend) MATCH (friend)-[:FRIENDS_WITH]-(recommendation) WHERE NOT (a)-[:FRIENDS_WITH]-(recommendation) AND recommendation a RETURN recommendation.name, COUNT(*) AS score ORDER BY score DESC LIMIT 5知识图谱// 创建实体 CREATE (:Movie {title: The Matrix, year: 1999}) CREATE (:Actor {name: Keanu Reeves}) CREATE (:Director {name: Lana Wachowski}) // 创建关系 MATCH (m:Movie {title: The Matrix}), (a:Actor {name: Keanu Reeves}) CREATE (a)-[:ACTED_IN {role: Neo}]-(m) MATCH (m:Movie {title: The Matrix}), (d:Director {name: Lana Wachowski}) CREATE (d)-[:DIRECTED]-(m) // 查询 MATCH (a:Actor)-[:ACTED_IN]-(m:Movie)-[:DIRECTED]-(d:Director) WHERE a.name Keanu Reeves RETURN m.title, d.name性能优化// 创建索引 CREATE INDEX FOR (u:User) ON (u.id) CREATE INDEX FOR (m:Movie) ON (m.title) // 创建约束 CREATE CONSTRAINT unique_user_id FOR (u:User) REQUIRE u.id IS UNIQUE // 查询优化 PROFILE MATCH (u:User)-[:FRIENDS_WITH*2]-(friend) WHERE u.name Alice RETURN friend.name总结Neo4j是一个强大的图数据库可以帮助你处理复杂的关系数据。从社交网络到知识图谱Neo4j都能胜任。我的鬃狮蜥Hash对图数据库也有自己的理解——它总是能记住蟋蟀之间的关系这也许就是自然界的知识图谱吧如果你对图数据库感兴趣欢迎留言交流我是欧阳瑞极客之路永无止境技术栈Neo4j · 图数据库 · 知识图谱
图数据库：Neo4j与知识图谱实战
图数据库Neo4j与知识图谱实战大家好我是欧阳瑞Rich Own。今天想和大家聊聊图数据库这个重要话题。作为一个全栈开发者图数据库是处理复杂关系数据的利器。今天就来分享一下Neo4j的使用经验。什么是图数据库图数据库是一种以图结构存储数据的数据库特别适合处理复杂的关系数据。为什么选择图数据库场景说明社交网络用户关系、好友推荐知识图谱实体关系、语义搜索推荐系统关联推荐、相似性分析网络分析路径查找、社区发现Neo4j入门安装Neo4j# 使用Docker安装 docker run -d --name neo4j \ -p 7474:7474 \ -p 7687:7687 \ -e NEO4J_AUTHneo4j/password \ neo4j:latestCypher查询语言// 创建节点 CREATE (:User {name: Alice, age: 30}) CREATE (:User {name: Bob, age: 25}) // 创建关系 MATCH (a:User {name: Alice}), (b:User {name: Bob}) CREATE (a)-[:FRIENDS_WITH]-(b) // 查询 MATCH (u:User)-[:FRIENDS_WITH]-(friend) WHERE u.name Alice RETURN friend.name // 路径查找 MATCH path (a:User {name: Alice})-[*1..3]-(b:User {name: Charlie}) RETURN path实战案例社交网络分析// 导入数据 LOAD CSV WITH HEADERS FROM file:///users.csv AS row CREATE (:User {id: row.id, name: row.name, age: toInteger(row.age)}) LOAD CSV WITH HEADERS FROM file:///relationships.csv AS row MATCH (a:User {id: row.from}), (b:User {id: row.to}) CREATE (a)-[:FRIENDS_WITH {since: row.since}]-(b) // 查找共同好友 MATCH (a:User {name: Alice}), (b:User {name: Bob}) MATCH (a)-[:FRIENDS_WITH]-(common)-[:FRIENDS_WITH]-(b) RETURN common.name // 推荐好友 MATCH (a:User {name: Alice})-[:FRIENDS_WITH]-(friend) MATCH (friend)-[:FRIENDS_WITH]-(recommendation) WHERE NOT (a)-[:FRIENDS_WITH]-(recommendation) AND recommendation a RETURN recommendation.name, COUNT(*) AS score ORDER BY score DESC LIMIT 5知识图谱// 创建实体 CREATE (:Movie {title: The Matrix, year: 1999}) CREATE (:Actor {name: Keanu Reeves}) CREATE (:Director {name: Lana Wachowski}) // 创建关系 MATCH (m:Movie {title: The Matrix}), (a:Actor {name: Keanu Reeves}) CREATE (a)-[:ACTED_IN {role: Neo}]-(m) MATCH (m:Movie {title: The Matrix}), (d:Director {name: Lana Wachowski}) CREATE (d)-[:DIRECTED]-(m) // 查询 MATCH (a:Actor)-[:ACTED_IN]-(m:Movie)-[:DIRECTED]-(d:Director) WHERE a.name Keanu Reeves RETURN m.title, d.name性能优化// 创建索引 CREATE INDEX FOR (u:User) ON (u.id) CREATE INDEX FOR (m:Movie) ON (m.title) // 创建约束 CREATE CONSTRAINT unique_user_id FOR (u:User) REQUIRE u.id IS UNIQUE // 查询优化 PROFILE MATCH (u:User)-[:FRIENDS_WITH*2]-(friend) WHERE u.name Alice RETURN friend.name总结Neo4j是一个强大的图数据库可以帮助你处理复杂的关系数据。从社交网络到知识图谱Neo4j都能胜任。我的鬃狮蜥Hash对图数据库也有自己的理解——它总是能记住蟋蟀之间的关系这也许就是自然界的知识图谱吧如果你对图数据库感兴趣欢迎留言交流我是欧阳瑞极客之路永无止境技术栈Neo4j · 图数据库 · 知识图谱
