第9章

知識圖譜：

從理論到應用常熟理工學院·計算機科學與工程學院目錄1知識圖譜發(fā)展歷史搜索引擎中的知識圖譜23知識圖譜的構(gòu)建實體關(guān)系定義及抽取45Neo4j數(shù)據(jù)庫6知識圖譜典型下游應用1知識圖譜發(fā)展歷史

知識圖譜發(fā)展歷史

知識圖譜的起源第一階段（1955—1977年）是知識圖譜的起源階段，在這一階段中引文網(wǎng)絡分析開始成為一種研究當代科學發(fā)展脈絡的常用方法；知識圖譜的發(fā)展階段第二階段（1977—2012年）是知識圖譜的發(fā)展階段，在這一階段語義網(wǎng)得到快速發(fā)展，“知識本體”的研究開始成為計算機科學的一個重要領域，知識圖譜吸收了語義網(wǎng)、本體在知識組織和表達方面的理念，使得知識更易于在計算機之間和計算機與人之間交換、流通和加工；知識圖譜的繁榮階段第三階段（2012—至今）是知識圖譜繁榮階段，2012年谷歌提出GoogleKnowledgeGraph，知識圖譜正式得名，谷歌通過知識圖譜技術(shù)改善了搜索引擎性能。在人工智能的蓬勃發(fā)展下，知識圖譜涉及到的知識抽取、表示、融合、推理、問答等關(guān)鍵問題得到一定程度的解決和突破，知識圖譜成為知識服務領域的一個新熱點，受到國內(nèi)外學者和工業(yè)界廣泛關(guān)注。

知識圖譜發(fā)展歷史

知識圖譜發(fā)展歷程2搜索引擎中的知識圖譜

搜索引擎中的知識圖譜

未引入知識圖譜方式搜索引擎查詢“老舍先生的作品”返回結(jié)果2012年谷歌公司提出知識圖譜概念，目的是借助知識圖譜技術(shù)來優(yōu)化搜索引擎的搜索效果。當沒有知識圖譜時，搜索服務提供商只能提供信息的檢索，即當用戶輸入查詢到搜索引擎，它會返回那些包含所輸入語句中關(guān)鍵詞的網(wǎng)頁鏈接，用戶如果想進一步了解所搜索問題的答案，那么需要進行二次檢索，快速瀏覽該網(wǎng)頁去尋找答案；搜索引擎無法直接告訴用戶想要的結(jié)果，一是因為它可能無法理解用戶搜索語句的具體語義，二是搜索引擎里面存儲的只有離散的信息，而沒有結(jié)構(gòu)化的知識。為了保證讓用戶點擊更少的網(wǎng)頁來找到想要的答案，谷歌開發(fā)了一個叫pagerank的算法來計算網(wǎng)頁的重要性，在返回搜索結(jié)果的時候，按照計算的網(wǎng)頁重要性進行排序并進行展示。以百度為例，左圖顯示百度搜索引擎普通檢索結(jié)果。搜索引擎先將用戶所輸入的查詢語句進行了分詞處理，然后在全網(wǎng)檢索網(wǎng)頁，查找哪些網(wǎng)頁里包含查詢語句中的關(guān)鍵詞（左圖鏈接中紅色字體文本），然后按照網(wǎng)頁權(quán)重得分顯示給用戶，如果用戶想知道所有老舍先生的作品，需要點擊所有網(wǎng)頁鏈接，然后一一進行統(tǒng)計記錄，最終確定老舍先生的作品都有哪些。當使用知識圖譜的技術(shù)后，檢索結(jié)果如右圖所示，用戶根本不需要點進某些網(wǎng)頁鏈接去統(tǒng)計記錄，搜索引擎直接便捷地給出答案，而且將這些作品匯總好呈現(xiàn)出來。引入知識圖譜方式搜索引擎查詢“老舍先生的作品”返回結(jié)果

搜索引擎中的知識圖譜

未引入知識圖譜方式搜索引擎查詢“李清照丈夫的出生地”返回結(jié)果上述例子是信息檢索，如果我們想搜索知識，那么情況會怎樣呢？下面我們以搜索“李清照丈夫的出生地”為例，未使用知識圖譜策略時示例如左圖所示。顯然也是對網(wǎng)頁的檢索、召回，雖然我們可以直接通過網(wǎng)頁標題就能獲知答案，但是還是不那么直接。接下來是知識圖譜搜索出來的結(jié)果，如圖右圖所示?；卮鸾Y(jié)果一目了然，除了直接告訴用戶想要的結(jié)果之外，瀏覽器還告訴李清照丈夫趙明誠的姓名、身份等其他信息。知識圖譜為什么能直接告訴用戶結(jié)果呢？因為它理解了用戶的查詢請求，而且它具有結(jié)構(gòu)化的語義知識庫，這個知識庫里正好是用戶需要的知識，另外它還具有多步的推理能力。比如上例中，搜索引擎準確的理解了“李清照丈夫”這個人的“出生地”是哪里，所以它先找到了“李清照丈夫”是“趙明誠”這個事實，然后找到“趙明誠”的“出生地”屬性值是“山東諸城”，于是它返回了搜索結(jié)果，這就是一個完整的推理過程。引入知識圖譜方式搜索引擎查詢“李清照丈夫的出生地”返回結(jié)果3知識圖譜的構(gòu)建

知識圖譜的構(gòu)建

01知識圖譜表示02知識圖譜分類

知識圖譜表示

知識圖譜以結(jié)構(gòu)化的形式描述客觀世界中概念、實體及其關(guān)系，將互聯(lián)網(wǎng)的信息表達成更接近人類認知世界的形式，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)海量信息的能力。知識圖譜給互聯(lián)網(wǎng)語義搜索帶來了活力，同時也在智能問答中顯示出強大威力，已經(jīng)成為互聯(lián)網(wǎng)知識驅(qū)動的智能應用的基礎設施。目前，知識圖譜與大數(shù)據(jù)和深度學習一起，成為推動互聯(lián)網(wǎng)和人工智能發(fā)展的核心驅(qū)動力之一。

知識圖譜表示

如圖所描述的，在知識圖譜中，各個節(jié)點（現(xiàn)實世界中的事件、數(shù)據(jù)、信息）不再是孤立的，它們是通過特定的關(guān)系（邊）鏈接在一起，從而形成結(jié)構(gòu)化的知識表示，這種圖數(shù)據(jù)結(jié)構(gòu)很容易被人們理解接受，并且也很容易被計算機識別和處理。節(jié)點和關(guān)系<麗江，屬于，云南><大理，屬于，云南><洱海，屬于，大理><小秦，住在，麗江><小明，住在，大理><小明，朋友，小秦>

知識圖譜表示

知識圖譜的核心其實就是三元組，三元組是由實體、屬性或關(guān)系組成的，形式為<實體，關(guān)系，實體>或<實體，屬性，屬性值>；而這樣的三元組正好可以構(gòu)建成圖數(shù)據(jù)格式，如上圖所示的示意圖，可以拆分成三元組的形式如下：<麗江，屬于，云南><大理，屬于，云南><洱海，屬于，大理><小秦，住在，麗江><小明，住在，大理><小明，朋友，小秦>同理，上述三元組也可以組成一個圖結(jié)構(gòu)。在上述三元組中我們只看到了<實體，關(guān)系，實體>類型的三元組，其實在上文中的知識問答搜索例子中我們已經(jīng)見識過<實體，屬性，屬性值>類型的三元組了，比如<趙明誠，出生地，山東諸城>，其中“趙明誠”表示一個實體“人”，“出生地”就是實體“人”的一個屬性，而“山東諸城”正是該屬性的“屬性值”?；谝延腥M可以推導出新的關(guān)系三元組，這對構(gòu)建知識圖譜非常重要，同時這也是知識圖譜具有推理能力的基礎。比如由兩個三元組<翅膀，part-of，鳥>，<麻雀，kind-of，鳥>，可以推導出<翅膀，part-of，麻雀>這樣一個事實。由龐大的知識三元組組成知識圖譜網(wǎng)絡，以結(jié)構(gòu)化的方式將知識組織起來。

知識圖譜分類?通常情況下，知識圖譜可以分成開放（通用）領域知識圖譜和垂直（行業(yè)）領域知識圖譜兩大類：開放領域知識圖譜面向的用戶是全部的互聯(lián)網(wǎng)用戶，實際上是谷歌或者百度這樣的搜索公司在構(gòu)建，它的構(gòu)建是以常識性的知識為主，包括結(jié)構(gòu)化的百科知識，它更強調(diào)知識的廣度，而對深度不做更多要求；垂直領域知識圖譜的定位是面向特定的領域或者行業(yè)，比如醫(yī)療知識圖譜、工業(yè)知識圖譜等，他的數(shù)據(jù)來源是特定的行業(yè)語料，它強調(diào)知識的深度，而不是廣度。通用知識圖譜和行業(yè)知識圖譜之間并不是相互獨立的，他們是具有互補的關(guān)系，一方面前者會吸納后者的知識來擴充它的知識面，增加知識廣度；另一方面，構(gòu)建行業(yè)知識圖譜也可以從通用知識圖譜里吸納一些常識性的知識作為補充，以形成更完整的行業(yè)知識圖譜。

4實體關(guān)系定義及抽取

實體關(guān)系定義及抽取

01schema定義02數(shù)據(jù)集來源途徑03實體識別和關(guān)系抽取

schema定義知識圖譜的schema定義是一種用于描述知識圖譜中實體、關(guān)系及其屬性的結(jié)構(gòu)化描述。它定義了知識圖譜的組織方式和內(nèi)容規(guī)范，包括實體類型、關(guān)系類型、屬性等。schema定義可以看作是構(gòu)建和組織知識圖譜的“藍圖”或“骨架”。它為知識圖譜中的信息提供了結(jié)構(gòu)和規(guī)則，決定了有哪些類型的東西（實體）和它們之間有哪些關(guān)聯(lián)（關(guān)系）。通過schema，知識圖譜能夠表達出不同領域內(nèi)的概念及其之間的關(guān)系，從而為知識的組織、存儲、查詢和推理提供基礎。打個比方，假設我們在做一本百科全書，這本書需要有清晰的目錄來告訴我們每一章介紹什么內(nèi)容，內(nèi)容之間有什么聯(lián)系。知識圖譜的schema就類似于這個目錄，它規(guī)定了知識圖譜里有哪些章節(jié)（實體類型，如人、公司、地點等），這些章節(jié)之間有什么聯(lián)系（關(guān)系類型，如某人在哪里工作、誰是某人的朋友等），以及每個章節(jié)下面有哪些具體內(nèi)容（屬性，如人的名字、年齡等）。通過schema定義，知識圖譜中的數(shù)據(jù)就能按照統(tǒng)一的結(jié)構(gòu)進行組織和存儲，確保信息可以被準確地查詢、分析和使用。簡單來說，schema定義就是知識圖譜的定義實體、關(guān)系以及屬性類型，讓我們能更好地構(gòu)建和理解這個復雜的知識體系。

schema定義?假設我們要構(gòu)建一個有關(guān)電影的知識圖譜，那么它將包含電影、導演、演員等實體信息，如左1所示。在這個圖譜中，每個實體（如電影、導演、演員）都有特定的屬性和關(guān)系。例如，電影實體可能包含屬性如“電影名稱”、“上映日期”、“類型”等，而導演和演員實體可能包含屬性如“姓名”、“出生日期”等，如右1所示。在知識圖譜的schema定義中，我們還需要定義不同的實體類型（例如電影、導演、演員）之間的關(guān)系，如左2所示。左1電影知識圖譜實體定義實體定義電影（Movie）表示一個電影實體導演（Director）表示一個導演實體演員（Actor）表示一個演員實體左2電影知識圖譜關(guān)系定義關(guān)系定義導演關(guān)系（DirectedBy）定義了電影和導演之間的關(guān)系，表示某個導演執(zhí)導了某部電影演員關(guān)系（ActedIn）定義了演員和電影之間的關(guān)系，表示某個演員出演了某部電影右1電影知識圖譜屬性定義屬性定義電影屬性電影名稱（string）上映日期（date）類型（string）

導演屬性姓名（string）出生日期（date）

演員屬性姓名（string）出生日期（date）

schema定義基于這個schema定義，我們可以構(gòu)建具體的知識圖譜。例如：電影《盜夢空間》由導演克里斯托弗·諾蘭執(zhí)導，主演包括萊昂納多·迪卡普里奧和和瑪麗昂·歌迪亞等。電影《志愿軍：存亡之戰(zhàn)》由陳凱歌執(zhí)導，主演包括朱一龍、辛柏青和張子楓等。在這個例子中，schema為我們提供了一個結(jié)構(gòu)化的框架，用于定義知識圖譜中的各種實體類型及其屬性，以及它們之間的關(guān)系，如下圖所示。schema確保了知識圖譜的設計和數(shù)據(jù)管理具有一致性和可擴展性，使得我們能夠方便地查詢和分析圖譜中的數(shù)據(jù)?？偟膩碚f，知識圖譜的schema定義類似于數(shù)據(jù)庫中的表結(jié)構(gòu)設計，決定了數(shù)據(jù)的組織形式和各元素間的關(guān)系，是構(gòu)建和維護知識圖譜的基礎。電影知識圖譜schema定義

數(shù)據(jù)集來源途徑

前面說到，知識圖譜是由若干知識三元組構(gòu)成，但是知識三元組需要人為構(gòu)建，構(gòu)建三元組的原始數(shù)據(jù)來源多種多樣，主要分別結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，半結(jié)構(gòu)化數(shù)據(jù)。針對不同需求或數(shù)據(jù)所需，選用不同的模方法或工具處理不同類型的數(shù)據(jù)。1.結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)指的是嚴格按照預定義格式和規(guī)則組織的數(shù)據(jù)。這類文本具有明確的字段和數(shù)據(jù)類型，通常呈現(xiàn)為表格形式或數(shù)據(jù)庫中的記錄，每個字段都有特定的含義和數(shù)據(jù)類型（如字符串、數(shù)字、日期等），由于其高度的結(jié)構(gòu)化和規(guī)則性，結(jié)構(gòu)化文本易于存儲、檢索和分析。結(jié)構(gòu)化文本示例（數(shù)據(jù)庫表格）用戶ID姓名年齡郵箱注冊日期001張三25zhangsan@2023-06-15002李四30lisi@2022-12-05003王五28wangwu@2021-09-20

數(shù)據(jù)集來源途徑

2.非結(jié)構(gòu)化數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)是指沒有固定格式或特定數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)。這類文本通常以自然語言表達，不遵循嚴格的規(guī)則或字段，因此難以直接通過傳統(tǒng)數(shù)據(jù)庫進行存儲和檢索，如表9-6所示。相對于結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化文本具有高度的自由性和靈活性。非結(jié)構(gòu)化數(shù)據(jù)示例類型文本電子郵件內(nèi)容小王，最近過得怎么樣？想跟你確認一下下周的會議安排，是否需要提前準備什么材料？如果有需要，請隨時告訴我。

祝好，

小李社交媒體帖子剛剛在路邊的小吃攤吃了一碗超級好吃的牛肉面，湯頭濃郁，面條勁道，強烈推薦！#美食分享#牛肉面客戶評論這款手機的拍照功能非常強大，尤其是在弱光環(huán)境下表現(xiàn)也很出色。唯一的缺點是電池續(xù)航有點不夠，希望下次升級能有所改善。新聞文章片段近日，北方多地出現(xiàn)大范圍降溫天氣，部分地區(qū)甚至出現(xiàn)降雪。氣象部門提醒市民做好防寒保暖措施，同時注意交通安全。專家表示，這次冷空氣的影響將持續(xù)到下周。對話記錄甲：今晚一起吃飯嗎？

數(shù)據(jù)集來源途徑

3.半結(jié)構(gòu)化數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)介于結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)之間。它雖然不像結(jié)構(gòu)化數(shù)據(jù)那樣有嚴格的格式和字段，但通常包含一些標記、標簽或分隔符，能夠提供一定程度的組織和結(jié)構(gòu)，如表9-7所示。這些標記或標簽使得數(shù)據(jù)可以通過某些規(guī)則進行解析和處理，但整體上仍保留了自由度和靈活性。非結(jié)構(gòu)化數(shù)據(jù)示例類型示例JSON文件<book><title>計算機科學導論</title><author>張三</author><year>2021</year><publisher>科技出版社</publisher></book>電子郵件頭部信息From:alice@To:bob@Subject:會議安排Date:Mon,17Aug202409:00:00+0000

實體識別和關(guān)系抽取構(gòu)建知識圖譜三元組，其中實體關(guān)系抽取是一個關(guān)鍵步驟，實體關(guān)系抽取是一種自然語言處理技術(shù)，旨在從各種不同類型，如前一章節(jié)介紹的結(jié)構(gòu)化、非結(jié)構(gòu)化或半結(jié)構(gòu)化文本中自動識別并提取實體及其之間的關(guān)系。通過這項技術(shù)，原本沒有明確結(jié)構(gòu)的文本數(shù)據(jù)可以轉(zhuǎn)化為結(jié)構(gòu)化的信息，方便進一步分析和應用。若構(gòu)建知識圖譜所需數(shù)據(jù)存儲形式為CSV或Excel表格，如下圖所示，由于此類數(shù)據(jù)為結(jié)構(gòu)化文本，數(shù)據(jù)已經(jīng)按照一定的格式和規(guī)則進行組織，所以實體關(guān)系抽取較為簡單。excel表格存儲的結(jié)構(gòu)化文本

實體識別和關(guān)系抽取可以使用python的pandas庫來解析CSV或Excel文件，首先選定頭實體，本例中為姓名，其他列信息為尾實體，列名為實體間關(guān)系，由此可得下面所有知識三元組：

知識三元組

<張三，年齡，30>

<張三，性別，男>

<張三，學歷，本科>

<張三，政治面貌，群眾>

<張三，家庭住址，**省**>

實體識別和關(guān)系抽取上述介紹結(jié)構(gòu)化數(shù)據(jù)事先需要人為整理，若沒有成熟的結(jié)構(gòu)化數(shù)據(jù)，可以使用爬蟲技術(shù)獲取如百度百科的等頁面上的內(nèi)容，從鍵值對形式的數(shù)據(jù)中獲取實體和關(guān)系，如下圖所示。百度百科中的半結(jié)構(gòu)化文本

實體識別和關(guān)系抽取例如搜索電影《盜夢空間》，可得電影《盜夢空間》的百度百科信息，其中包括屬性以及對應具體的屬性值信息，我們選取“盜夢空間”為頭實體，屬性為實體間關(guān)系，屬性值為尾實體。使用BeautifulSoup或lxml等庫解析網(wǎng)頁的HTML結(jié)構(gòu)，提取出正文內(nèi)容，通常從<div>標簽中提取主要的段落、標題和表格信息。可得知識三元組，如下表所示。

知識三元組<盜夢空間，外文名，Inception><盜夢空間，其他譯名，潛行兇間>…<盜夢空間，類型，劇情、科幻、懸疑、冒險><盜夢空間，片長，148分鐘><盜夢空間，上映時間，2010年7月16日><盜夢空間，發(fā)行公司，華納兄弟電影公司>…

實體識別和關(guān)系抽取有些我們所需的知識三元組存在于非結(jié)構(gòu)化文本中，這里我們就無法使用上述兩種方法，需要采用信息抽取技術(shù)對存在于非結(jié)構(gòu)化文本中的實體關(guān)系進行抽取，實體關(guān)系抽取方法多種多樣，有基于深度學習的方法，有依存句法方式，在這里介紹采用依存句法的方式來對預處理完成的非結(jié)構(gòu)化文本進行關(guān)系抽取，句法依存是對目標句子進行分解，從而找出句子間各詞語之間的依存關(guān)系。具體來說，首先將句子進行分詞，然后確定“主”、“謂”、“賓”等詞性，然后通過中文語法進行進一步的分析，基于詞性確定各個詞之間的依賴關(guān)系。常見的依存關(guān)系如下表所示。常用依存關(guān)系以及對應字符表示關(guān)系簡稱關(guān)系簡稱狀中ADV定中ATT主謂SBV核心HED并列C00介賓POB兼語DBL動賓VOB間賓IOB前置賓語FOB獨立結(jié)構(gòu)IS動補CMP

實體識別和關(guān)系抽取例如有一個句子“瓦普尼克教授提出支持向量機。”，依存句法分析結(jié)果首先將句子分為“瓦普尼克”、“教授”、“提出”、“支持向量機”、“。”五部分。然后對各部分詞語進行詞性標注，如“瓦普尼克”被標注成人名“nh”，最后根據(jù)句子中的詞語的詞性確定詞語之間的依存關(guān)系，如圖中箭頭所示，“提出”一詞和“支持向量機”一詞被劃分為“VOB”（動賓）關(guān)系，又經(jīng)句法分析可得“提出”是該句的核心動詞，統(tǒng)轄整個句子，該句子為主謂關(guān)系，如下圖所示。結(jié)合前一階段獲取的實體，可獲取知識三元組<瓦普尼克，提出，支持向量機>。句法分析結(jié)果示例5Neo4j數(shù)據(jù)庫9.Neo4j數(shù)據(jù)庫

圖數(shù)據(jù)庫是一種特殊的數(shù)據(jù)庫管理系統(tǒng)，它以圖的形式存儲數(shù)據(jù)，其中包含節(jié)點（表示實體）和邊（表示實體之間的關(guān)系）。圖數(shù)據(jù)庫專注于關(guān)系的存儲和查詢，因此在處理關(guān)系密集型數(shù)據(jù)和復雜查詢時非常高效。與傳統(tǒng)的關(guān)系數(shù)據(jù)庫不同，圖數(shù)據(jù)庫提供了一種更自然的方式來表示和處理實體之間的關(guān)系，它們允許高效地執(zhí)行復雜的圖形遍歷和查詢，例如查找與給定節(jié)點相關(guān)聯(lián)的所有節(jié)點或查找特定類型的關(guān)系模式。我們在存儲知識圖譜時選用Neo4j數(shù)據(jù)庫，它是一款領先的圖數(shù)據(jù)庫軟件，采用了屬性圖數(shù)據(jù)模型，它具有高性能的圖數(shù)據(jù)庫引擎和靈活的數(shù)據(jù)模型，能夠有效地處理復雜的圖數(shù)據(jù)結(jié)構(gòu)，支持Cypher查詢語言，提供了豐富的圖算法庫和可視化工具，適用于社交網(wǎng)絡分析、推薦系統(tǒng)、網(wǎng)絡安全等領域。9.Neo4j數(shù)據(jù)庫

Cypher是一種專為Neo4j圖數(shù)據(jù)庫設計的查詢語言，類似于SQL。Cypher語言允許開發(fā)者以聲明性的方式查詢和操作圖數(shù)據(jù)庫中的節(jié)點（Nodes）、關(guān)系（Relationships）和屬性（Properties）。它使用一種簡潔且直觀的語法來表達復雜的圖形結(jié)構(gòu)和關(guān)系，使得圖數(shù)據(jù)庫的操作變得更容易理解和使用。1.Cypher語句的基本構(gòu)成在Cypher中，節(jié)點通常用圓括號()來表示，并可以為其添加標簽和屬性。以下表示一個標簽為Person的節(jié)點，帶有兩個屬性name和age。(n:Person{name:"張三",age:30})關(guān)系在Cypher中用方括號[]表示，通常用箭頭-->或<-來表示方向（也可以省略方向表示雙向關(guān)系）。以下表示兩個節(jié)點n和m之間存在一個FRIENDS_WITH關(guān)系。(n)-[:FRIENDS_WITH]->(m)路徑是一組連接在一起的節(jié)點和關(guān)系，通常用于描述從一個節(jié)點到另一個節(jié)點的整個關(guān)系鏈。以下表示節(jié)點n與節(jié)點o之間通過節(jié)點m和兩個關(guān)系相連。(n)-[:FRIENDS_WITH]->(m)-[:LIKES]->(o)9.Neo4j數(shù)據(jù)庫

2.常用Cypher語句這條語句創(chuàng)建一個標簽為Person的節(jié)點n，并設置其name為"張三"，age為30。CREATE(n:Person{name:"Alice",age:30})這條語句首先查找名為"Alice"和"Bob"的兩個Person節(jié)點，然后在它們之間創(chuàng)建一個FRIENDS_WITH關(guān)系。MATCH(a:Person{name:"Alice"}),(b:Person{name:"Bob"})CREATE(a)-[:FRIENDS_WITH]->(b)這條語句查詢所有Person節(jié)點之間的FRIENDS_WITH關(guān)系，并返回這些節(jié)點的name屬性。MATCH(a:Person)-[:FRIENDS_WITH]->(b:Person)RETURN,這條語句查找名為"Alice"的Person節(jié)點，并將其age屬性更新為31。MATCH(n:Person{name:"Alice"})SETn.age=31這條語句刪除名為"Alice"的Person節(jié)點及其與另一個Person節(jié)點之間的FRIENDS_WITH關(guān)系。MATCH(n:Person{name:"Alice"})-[r:FRIENDS_WITH]->(m:Person)DELETEr,n9.Neo4j數(shù)據(jù)庫

2.常用Cypher語句這條語句查詢所有從一個Person節(jié)點到另一個Person節(jié)點的路徑，并返回這些路徑。MATCHp=(a:Person)-[:FRIENDS_WITH*]->(b:Person)RETURNp這條語句查詢所有age大于25的Person節(jié)點，并返回這些節(jié)點的name和age。MATCH(n:Person)WHEREn.age>25RETURN,n.age這條語句返回數(shù)據(jù)庫中Person節(jié)點的總數(shù)。MATCH(n:Person)RETURNcount(n)9.Neo4j數(shù)據(jù)庫

下面進行實例展示，展示使用Cypher語句是如何進行Neo4j圖數(shù)據(jù)庫增刪改查的。這里有紅樓夢人物知識三元組，原始三元組有381個，下表僅展示部分，三元組有頭實體、尾實體和關(guān)系。紅樓夢人物關(guān)系知識三元組（部分）頭實體尾實體關(guān)系標簽賈代善賈源son子婁氏賈源daughter_in_law_of_grandson重孫媳婦賈母賈代善wife妻老姨奶奶賈代善concubine妾賈敏賈代善daughter女嫣紅賈赦concubine妾翠云賈赦concubine妾嬌紅賈赦concubine妾9.Neo4j數(shù)據(jù)庫

1.增加操作使用Cypher命令CREATE(n:Person{name:"賈源"})新建實體節(jié)點“賈源”，如圖9-16所示。使用Cypher新建實體節(jié)點“賈代善”9Neo4j數(shù)據(jù)庫

1.增加操作使用Cypher命令CREATE(n:Person{name:"賈代善"})新建實體節(jié)點“賈代善”，如下圖所示。使用Cypher新建實體節(jié)點“賈源”9Neo4j數(shù)據(jù)庫

1.增加操作使用Cypher命令MATCH(a:Person{name:"賈代善"}),(b:Person{name:"賈源"})CREATE(a)-[:子]->(b)新建“賈代善”和“賈源”之間的關(guān)系“子”，如下圖所示。使用Cypher新建實體節(jié)點“賈代善”和“賈源”之間的關(guān)系“子”9Neo4j數(shù)據(jù)庫

1.增加操作使用Cypher語句依次將表格中的三元組關(guān)系新建完畢，可以得到整個紅樓夢人物的知識圖譜，如下圖所示。使用Cypher新建實體節(jié)點“賈代善”和“賈源”之間的關(guān)系“子”9Neo4j數(shù)據(jù)庫

2.刪除操作使用Cypher命令MATCH(n:Person{name:"張三"})-[r:無關(guān)系]->(m:Person)DELETEr,n刪除節(jié)點“張三”及其關(guān)系“無關(guān)系”，下圖是使用刪除命令后的知識圖譜。未使用刪除命令之前知識圖譜9Neo4j數(shù)據(jù)庫

2.刪除操作使用Cypher命令MATCH(n:Person{name:"張三"})-[r:無關(guān)系]->(m:Person)DELETEr,n刪除節(jié)點