Neo4j图数据库解析

1.概念解析

1. Neo4j图数据库基本概念

Node（节点）：图数据库中的实体，类似于关系数据库中的记录

Label（标签）：给节点分类的一种方式，类似表的概念

Property（属性）：存储在节点或关系上的键值对数据

2. 代码中的概念详解

node = Node(name_sentence['entity_type'],            tag=type_sentence,            name=name_sentence['name'],            entity_type=name_sentence['entity_type'],            key=name_sentence['key'])

3. 实际应用示例

下面是一个具体例子，展示如何创建和使用这些节点：

# 假设我们有一个产品知识图谱系统# name_sentence 字典包含实体的信息name_sentence = {    'name': 'ULTRA',           # 实体名称    'entity_type': 'product_name', # 实体类型    'key': 'series_name:ULTRA'  # 键值}

# type_sentence 是实体的标签或分类type_sentence = 'trading'  # 或者 'product', 'parameter' 等

# 创建节点node = Node(name_sentence['entity_type'],      # 节点标签：'product_name'            tag=type_sentence,                 # 属性：'trading'            name=name_sentence['name'],        # 属性：'ULTRA'            entity_type=name_sentence['entity_type'],  # 属性：'product_name'            key=name_sentence['key'])          # 属性：'series_name:ULTRA'

# 此时创建的节点相当于：# CREATE (n:product_name {tag: 'trading', name: 'ULTRA', entity_type: 'product_name', key: 'series_name:ULTRA'})

完整的工作流程

以下是一个完整的示例，展示如何使用这些概念创建知识图谱：

from py2neo import Node, Graph, Relationship, NodeMatcherfrom config import BASE_IP

class Neo4jQuery(object):    def __init__(self):        # 连接到Neo4j数据库        link = Graph(f"bolt://{BASE_IP}:7687", auth=("neo4j", "12345678"))        self.graph = link

    def create_node(self, type_node, name_node):        """创建节点的完整流程"""        nodes = []

        # 遍历输入的数据，批量创建节点        for name_sentence, type_sentence in zip(name_node, type_node):             # 创建节点，第一个参数是标签，后续参数是节点属性            node = Node(name_sentence['entity_type'],  # 设置节点标签                        tag=type_sentence,              # 设置tag属性                        name=name_sentence['name'],     # 设置name属性                        entity_type=name_sentence['entity_type'],  # 设置entity_type属性                        key=name_sentence['key'])       # 设置key属性

            # 检查节点是否已存在            matcher.match(name=name_sentence['name'],                              tag=type_sentence,                              entity_type=name_sentence['entity_type'],                              key=name_sentence['key']))

           if len(nodelist) > 0:  # 节点已存在，不创建新节点                node = nodelist[0]            else:                self.graph.create(node)  # 节点不存在，创建新节点

            nodes.append(node)

        print('节点建立成功')        return nodes

# 示例数据type_nodes = ['product', 'trading', 'parameter']  # 类型句子列name_nodes = [    {        'name': 'X3-ULTRA',           # 名称        'entity_type': 'product_name', # 实体类型        'key': 'series_name:X3-ULTRA'  # 键值    },    {        'name': 'annual trading',      # 名称        'entity_type': 'trade_type',   # 实体类型        'key': 'trade_type:annual'    },            {        'name': 'rated power',         # 名称        'entity_type': 'parameter',    # 实体类型        'key': 'param:rated_power'     # 键值    }]

# 使用示例spo = Neo4jQuery()created_nodes = spo.create_node(type_nodes, name_nodes)

核心概念总结

标签（Label）：name_sentence['entity_type']，是节点的分类标识，在Cypher查询中用冒号前缀表示（如:product_name）

类型句子（type_sentence）：作为节点的tag属性，提供额外的分类信息

名称（name）：节点的name属性，通常是实体的主要标识

实体类型（entity_type）：描述实体的类型，用于在查询时区分不同类型的节点

键值（key）：用于唯一标识或查找节点的键值

name_sentence字典：包含实体各种属性信息的数据结构，包括名称、实体类型和键值

这种设计允许构建复杂的关系网络，其中每个节点都有明确的类型和标识，并且可以通过多种属性进行查询和匹配，避免重复创建相同的节点。

上一条：Grafana入门

下一条：简单快速入手Neo4j