利用图数据库neo4j搭建娱乐圈知识图谱

发布时间：2024-12-17 15:39

去年笔者分享了一篇来自微软研究院AI头条的文章如何构建多快好省的“知识图谱即服务”？有兴趣的朋友可以去回顾下。这次笔者将利用图数据库neo4j
来搭建一个娱乐圈艺人关系的知识图谱。

neo4j介绍

neo4j是Neo4j公司开发的图形数据库管理系统，官方将其描述为具有原始图形存储和处理功能的ACID兼容事务数据库，根据DB-Engines排名，neo4j是最受欢迎的图形数据库。neo4j通过GPL v3开源许可提供了“社区版”，与此同时它还提供商业版支持。neo4j基于java实现，其他语言可通过http接口或二进制bolt协议来调用cypher查询语言来操作数据库。

在neo4j里，图的基本构成是节点(node)和关系(relationship), 节点之间通过关系接连，关系是个矢量。节点和关系，都可包含属性，属性有属性名和属性值，是一个key/value结构。

基本操作

1.创建Person实体, 包含name和title属性

CREATE (n:Person { name: 'tony', title: 'developer' }) return n;

CREATE (n:Person { name: 'andy', title: 'designer' }) return n;

2.创建两个Person实体的关系

match(n:Person{name:'andy'}),(m:Person{name:'tony'}) create (n)-[r:Friend]->(m) return r;

match(n:Person{name:'andy'}),(m:Person{name:'tony'}) create (n)<-[r:Friend]-(m) return r;

3.查看数据

match(n) return n;

接下来我们进入本文正题。

数据准备

本次构建知识图谱的数据来源于这个网站娱乐圈[1]，为了大家的安全，就不展示怎么写爬虫了:D。

省略若干过程，总之，笔者从上述网站，拿到了艺人数据，整理成了两个csv文件。其中一个文件命名为star_nodes.csv
, 其内容格式如下：

name,id
周杰伦,1
周笔畅,2

复制

第一列name表示艺人名字，第二列id便是艺人编号。

另一个文件名为star_relations.csv
，其内容格式如下：

subject,from_id,relation,object,to_id
李玥,2292,姐弟,秦俊杰,5933
胡静,2379,同学,刘烨,2347

复制

第一列subject表示主, 第二列from_id表示主的编号，第三列object表示宾，第四列to_id表示宾的编号。以胡静,2379,同学,刘烨,2347
为例，表示胡静(编号2379)是刘烨(编号2347)的同学。

构建艺人关系图谱

将上述两个csv文件放到neo4j目录下的import
子目录下，执行数据加载命令：

LOAD CSV WITH HEADERS FROM 'file:///star_nodes.csv' AS data CREATE (:star{starname:data.name, starid:data.id});

LOAD CSV WITH HEADERS FROM "file:///star_relations.csv" AS relations MATCH (entity1:star{starname:relations.subject}) , (entity2:star{starname:relations.object}) CREATE (entity1)-[:rel{relation: relations.relation}]->(entity2);

则完成了节点和关系的导入（本实验导入了9039个艺人，3432条关系）。

之后，我们可以执行各种查询了。

查询

1.查看某艺人的全部关系

return (:star{starname:"成龙"})-->();