知识图谱理解与Neo4j的python简单实现

DATA江湖 2022-03-01

2911

定义：知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示相关知识领域的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律。

逻辑结构：知识图谱在逻辑结构上可分为模式层与数据层两个层次，数据层主要是由一系列的事实组成，而知识将以事实为单位进行存储。如果用（实体1，关系，实体2）、（实体、属性，属性值）这样的三元组来表达事实，可选择图数据库作为存储介质，例如开源的 Neo4j、Twitter 的FlockDB、JanusGraph 等。模式层构建在数据层之上，主要是通过本体库来规范数据层的一系列事实表达。本体是结构化知识库的概念模板，通过本体库而形成的知识库不仅层次结构较强，并且冗余程度较小。

知识图谱的体系架构是指其构建模式的结构，如下图所示：

大规模知识库的构建与应用需要多种智能信息处理技术的支持。通过知识抽取技术，可以从一些公开的半结构化、非结构化的数据中提取出实体、关系、属性等知识要素。通过知识融合，可消除实体、关系、属性等指称项与事实对象之间的歧义，形成高质量的知识库。知识推理则是在已有的知识库基础上进一步挖掘隐含的知识，从而丰富、扩展知识库。分布式的知识表示形成的综合向量对知识库的构建、推理、融合以及应用均具有重要的意义。

接下来进行超级简单的实现（Neo4j安装见知识图谱之图数据库Neo4j安装）

# coding:utf-8
from py2neo import Node, Relationship, Graph, NodeMatcher, RelationshipMatcher


##连接neo4j数据库，输入地址、用户名、密码
graph = Graph('http://localhost:7474', auth = 'neo4j', password='******')


##创建结点
node_1 = Node(label='xiyouji', name='唐玄奘')
node_2 = Node(label='xiyouji', name='孙悟空')
node_3 = Node(label='xiyouji', name='猪八戒')
graph.create(node_1)
graph.create(node_2)
graph.create(node_3)


##创建关系
# 分别建立了node_1指向node_2和node_2指向node_1两条关系，关系的类型为"徒弟、师傅"，两条关系都有属性count，且值为1。
node_1_2 = Relationship(node_1, '徒弟', node_2)
node_1_2['count'] = 1
node_2_1 = Relationship(node_2, '师傅', node_1)
node_2_1['count'] = 1
node_1_3 = Relationship(node_1, '徒弟', node_3)


graph.create(node_1_2)
graph.create(node_2_1)
graph.create(node_1_3)
#简单打印
print(graph)
print(node_1)
print(node_2)
print(node_1_2)
print(node_2_1)

我们再去网页看一下：

以上就简单实现了用（实体1，关系，实体2）、（实体、属性，属性值）这样的三元组来表达事实。

python

文章转载自DATA江湖，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

知识图谱理解与Neo4j的python简单实现

评论