知识图谱：小小的入门级综合应用

绝地灬酷狼 2023-01-03 14:28 131阅读 0赞

### 文章目录 ###

*  导读
 *  背景介绍
 *  开始从零搭建知识图谱所需的环境
 *   *  大前提
     *  想法
     *  Docker安装
     *  Neo4j安装
     *   *  1、拉取镜像
         *  2、准备\`docker-compose.yml\`文件
         *  3、启动
         *  4、访问
         *  5、Python包
         *  问题分析
 *  编码实现
 *   *  全域变量配置
     *  数据读取
     *  创建节点
     *  创建关系
 *  整合
 *  最后给个主函数
 *  运行

# 导读 #

本篇文章转载自[`Voyager-m`][Voyager-m]的博客：[知识图谱-用python操纵neo4j数据库-以高速收费站记录为例][-_python_neo4j_-]。已获得原文作者转载许可。本篇与原篇的区别其实**只是在一些循环的代码上进行了简化**，让看起来很传统的代码缩减了很多。

# 背景介绍 #

让我们来想像这样一个场景：

突然有一天，国家突然要查这段高速公路在这段时间内的收费情况，包括**车辆租赁**、**车辆通行**等等的数据，然后经过抽样调查就查到了我们现在需要进行学习的数据：[点击这里跳转到`GitHub`查看数据源][GitHub]。如果你需要，**请放心下载**，这些都是开源的。

# 开始从零搭建知识图谱所需的环境 #

好的，**最耗时间**的数据集准备已经结束了。我们直接开始吧。

*因为并不知道人家查证是怎么查，所以这里就随便构建一下，说明一下构建的过程就够了。我们的目的是学习方法，不是抓犯人*

为了能够让所有的人都能够上手，我们就从一台光秃秃的电脑开始。

## 大前提 ##

先说明一下，我使用的环境是：

*  `Ubuntu` 20.04 20.04 20.04系统
 *  `Python` 3.8.5 3.8.5 3.8.5
 *  `Microsoft Visual Studio` 1.52.1 1.52.1 1.52.1\+`Python`拓展包
 *  `neo4j` 4.2.1 4.2.1 4.2.1

## 想法 ##

为了简化部署过程，这里就使用`Docker`部署`neo4j`，减少很多本地配置的坑。后来经过实践发现，`Docker Hub`里面的官方镜像**并没有内置**`Vim`或者`Vi`，而且`apt`命令执行得**究极无敌棒槌慢**，所以，尽量不要进入`Docker`修改配置。

## Docker安装 ##

这个就直接参考我之前的安装博客，不再赘述啦。

[点我查看`Windows`版`Docker`安装][Windows_Docker]

[点我查看`Ubuntu`版`Docker`安装][Ubuntu_Docker]

## Neo4j安装 ##

既然是什么都方便的`Docker`，那么自然步骤就是：

### 1、拉取镜像 ###

docker pull neo4j

### 2、准备`docker-compose.yml`文件 ###

为了方便，我就在本机部署的，于是放在了`/usr/local/docker/neo4j`这个目录下

# 以下配置可以兼容2.7到3.5的所有版本
    version: '3.3'
    # 服务
    services:
      # neo4j服务
      neo4j:
        # 镜像来源
        image: 'neo4j'
        # 随着我的物理机的重启而重启
        restart: always
        # 使用exec命令进去后显示的主机名称
        hostname: 'Neo4j-11xx'
        # 在物理机的docker列表中显示名称
        container_name: 'neo4j_11xx'
        # 开启的端口
        ports:
          # 管理界面访问端口
          - '1174:7474'
          # 数据传输端口
          - '1187:7687'
        # 磁盘映射
        volumes:
          - /usr/local/docker/neo4j/data:/data

### 3、启动 ###

docker-compose up -d

### 4、访问 ###

打开**浏览器**（*虽然知道是废话，但还是叮嘱一句：`Windows`用户别用`IE`打开*）

然后访问`http://localhost:1174`这个网址（*我们刚刚在`docker-compose.yml`中开启的是这个端口*）。

初始用户名是`neo4j`，初始密码是`neo4j`，初始数据库是`neo4j`。不写是哪个数据库将会默认进入`neo4j`数据库。对于小白来说，保持空白就好了。

### 5、Python包 ###

在物理机内，`Windows`用户可能需要使用`Git Bash`窗口进行包的安装，而`Ubuntu`直接使用`Ctrl+Alt+T`呼出终端安装，命令都是一样的：

pip3 install py2neo

这里就做一回强迫症，直接下**最新**的，别考虑最早支持的版本。

### 问题分析 ###

*  如果网址进不去，先考虑是不是**端口号输错**了，比如明明你从 1174 1174 1174端口能够打开登录界面，却在登录界面使用 7474 7474 7474端口访问数据库。**这就像是明明知道你得的是感冒**，**却拿了一瓶跌打油**；
 *  接着再考虑一下是不是**镜像选错**了。虽然`Docker Hub`中的镜像很多，但还是**尽量使用官方镜像**，**因为有足够丰富的文档支撑**。

# 编码实现 #

好了，到这里，环境搭完了，我们就开始吧。

## 全域变量配置 ##

# 配置类
    class CONFIG(enumerate):
      # Neo4j访问地址
      URL = 'http://localhost:1174'
      # 用户名
      USERNAME = 'neo4j'
      # 密码
      PASSWORD = 'ljx62149079'
      # xls文件路径
      XLS = os.getcwd() + '/knowledge/data.xls'
      # csv文件路径
      CSV = os.getcwd() + '/knowledge/data.csv'
      pass

## 数据读取 ##

还是老朋友`pandas`：

# 数据导入类
    class DataImporter:
      # 类构造器
      def __init__(self):
        # 直接从Excel里面读取所有的原生数据
        # self.raw_data = pd.read_excel(CONFIG.XLS)
        self.raw_data = pd.read_csv(CONFIG.CSV)
        # 将所有的数据提取到一维数组中（去重）
        self.all_data = list(
          # 使用集合去掉重复的
          set(
            [
              # 将一维数组所有的数据化为字符串
              str(i) for i in list(
                # 将二维数组改为一维数组
                itertools.chain(
                  # 根据列属性一一列出表格中所有的行数据
                  *[item for item in self.raw_data[[
                    # 列出所有的列属性
                    column for column in self.raw_data.columns
                  ]].values]
                )
              )
            ]
          )
        )
        # 所有的购买方（去重）
        self.buyer_list = list(set(self.raw_data['购买方名称']))
        # 所有的销售方（去重）
        self.seller_list = list(set(self.raw_data['销售方名称']))
        # 所有原生数据的映射
        self.dict = pd.DataFrame({ 
          # 所有的金额（原生）
          'finance': list(self.raw_data['金额']),
          # 所有的购买方（原生）
          'buyer': list(self.raw_data['购买方名称']),
          # 所有的销售方（原生）
          'seller': list(self.raw_data['销售方名称'])
        })
        ''' 别忘了加上neo4j数据库访问 '''
        # 图数据库对象
        self.graph = Graph(
          CONFIG.URL,
          username=CONFIG.USERNAME,
          password=CONFIG.PASSWORD
        )
        # 清空缓存
        self.graph.delete_all()
        # 配对器
        self.matcher = NodeMatcher(self.graph)
        pass

## 创建节点 ##

既然数据读取可以了，那么我们就可以继续在类里面添加方法：

class DataImporter:
      # 传入购买方、销售方数据
      def create_tree_node(self, buyers, sellers):
        for key in buyers: # 根据购买方创建节点
          self.graph.create(
            Node('buyer', name=key)
          )
          pass
        for key in sellers: # 根据销售方创建节点
          self.graph.create(
            Node('seller', name=key)
          )
          pass
        pass
      pass

## 创建关系 ##

class DataImporter:
      def create_nodes_relation(self):
        # 对于字典中所有的数据
        for item in range(0, len(self.dict)):
          try:
            self.graph.create(
            # 关系映射
            Relationship(
             self.matcher.match('buyer')
              .where("_.name='" + self.dict['buyer'][item] + "'")
              .first(),
             self.dict['finance'][item],
             self.matcher.match('seller')
              .where("_.name='" + self.dict['seller'][item] + "'")
              .first()
             )
            )
            pass
          # 如果出错，显示错误。增强程序健壮性
          except AttributeError as ae:
            print(ae, item)
            pass
          pass
        pass
      pass

# 整合 #

既然我们把零零碎碎的东西农好了之后，我们就开始整合：

# -*- coding: utf-8 -*-
    
    import pandas as pd
    import itertools
    import os
    
    from py2neo import Node, Graph, Relationship, NodeMatcher, data
    
    # 配置类
    class CONFIG(enumerate):
      # Neo4j访问地址
      URL = 'http://localhost:1174'
      # 用户名
      USERNAME = 'neo4j'
      # 密码
      PASSWORD = 'ljx62149079'
      # xls文件路径
      XLS = os.getcwd() + '/knowledge/data.xls'
      # csv文件路径
      CSV = os.getcwd() + '/knowledge/data.csv'
      pass
    
    # 数据导入类
    class DataImporter:
      # 类构造器
      def __init__(self):
        # 直接从Excel里面读取所有的原生数据
        # self.raw_data = pd.read_excel(CONFIG.XLS)
        self.raw_data = pd.read_csv(CONFIG.CSV)
        # 将所有的数据提取到一维数组中（去重），没用...
        # self.all_data = list(set([str(i) for i in list(itertools.chain(*[item for item in self.raw_data[[column for column in self.raw_data.columns]].values]))]))
        # 所有的购买方（去重）
        self.buyer_list = list(set(self.raw_data['购买方名称']))
        # 所有的销售方（去重）
        self.seller_list = list(set(self.raw_data['销售方名称']))
        # 所有原生数据的映射
        self.dict = pd.DataFrame({ 
          # 所有的金额（原生）
          'finance': list(self.raw_data['金额']),
          # 所有的购买方（原生）
          'buyer': list(self.raw_data['购买方名称']),
          # 所有的销售方（原生）
          'seller': list(self.raw_data['销售方名称'])
        })
        # 图数据库对象
        self.graph = Graph(
          CONFIG.URL,
          username=CONFIG.USERNAME,
          password=CONFIG.PASSWORD
        )
        # 清空缓存
        self.graph.delete_all()
        # 配对器
        self.matcher = NodeMatcher(self.graph)
        pass
    
      # 创建节点方法
      def create_tree_node(self, buyers, sellers):
        for key in buyers: # 根据购买方创建节点
          self.graph.create(
            Node('buyer', name=key)
          )
          pass
        for key in sellers: # 根据销售方创建节点
          self.graph.create(
            Node('seller', name=key)
          )
          pass
        pass
      # 创建节点间关系
      def create_nodes_relation(self):
        # 对于字典中所有的数据
        for item in range(0, len(self.dict)):
          try:
            self.graph.create(
              Relationship(self.matcher.match('buyer').where("_.name='" + self.dict['buyer'][item] + "'").first(), self.dict['finance'][item], self.matcher.match('seller').where("_.name='" + self.dict['seller'][item] + "'").first())
            )
            pass
          # 如果出错，显示错误，增强程序健壮性
          except AttributeError as ae:
            print(ae, item)
            pass
          pass
        pass
    
      pass

这段你可以在[我的`GitHub`中下载][GitHub 1]

# 最后给个主函数 #

if __name__ == '__main__':
      # 数据导入类
      dataImpoter = DataImporter()
      # 创建实体节点
      dataImpoter.create_tree_node(dataImpoter.buyer_list, dataImpoter.seller_list)
      # 创建实体节点间的关系
      dataImpoter.create_nodes_relation()
      pass

# 运行 #

运行之后，**啥都没有**，就退出了。

你觉得失败了？当然没有，我们进入浏览器看看：`http://localhost:1174`，会发现一个界面：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29yZGluYXJ5X2Jyb255_size_16_color_FFFFFF_t_70_pic_center]

在网址栏下面有个灰色的地方，有个淡淡的`neo4j$`（*得仔细看*），我们在这里输入：

MATCH p=()-->() RETURN p LIMIT 25

点击正右端的**三角形**，也就是**运行按钮**；如果你想方便也可以**按回车**。于是能够看到：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29yZGluYXJ5X2Jyb255_size_16_color_FFFFFF_t_70_pic_center 1]

这就是`neo4j`给出的知识图谱。

看起来还不错！

是不是有点能理解了呢？

[Voyager-m]: https://blog.csdn.net/weixin_41667472
[-_python_neo4j_-]: https://blog.csdn.net/weixin_41667472/article/details/109921460
[GitHub]: https://github.com/sakebow/Highway-Knowledge-Graph/blob/master/data.csv
[Windows_Docker]: https://blog.csdn.net/ordinary_brony/article/details/109603240
[Ubuntu_Docker]: https://blog.csdn.net/ordinary_brony/article/details/108031736
[GitHub 1]: https://github.com/sakebow/Highway-Knowledge-Graph/blob/master/highway.py
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29yZGluYXJ5X2Jyb255_size_16_color_FFFFFF_t_70_pic_center]: /images/20221119/4ee785cb0e3249afa8d979dd80706179.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29yZGluYXJ5X2Jyb255_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20210108233026791.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L29yZGluYXJ5X2Jyb255,size_16,color_FFFFFF,t_70#pic_center