如何构建和使用Neo4j知识图谱-以MeSH(A)为例

terry 2年前 (2023-09-26) 阅读数 49 #后端开发

1.知识图谱简介：

知识图谱是人工智能技术的一个重要分支，用于描述物理世界。符号形式的概念及其相互关系。本文捕获了使用 Neo4j 工具构建、显示和使用知识图的整个过程。

2. 知识图谱基本概念

2.1 知识基本单位图：

由“实体”和“关系”组成的三元组“实体-关系-单位”是知识的基本单位知识。同时，一个“实体”具有“属性”，一个完整的“实体”是通过“属性”来表示的。知识图谱由若干个“实体属性”通过“关系”连接起来，形成网络化的知识结构。 以“猫吃老鼠”为例： “猫吃老鼠”是一个“实体-关系-实体”三元组。同时，“动物”、“宠物”等“属性”可以用来描述“实体”、“猫”；诸如“动物”和“害虫”等属性可以用来描述“实体”和“老鼠”。

2.2 知识图谱构建流程：

知识图谱构建流程主要包括： 1.原始数据采集：原始数据采集，也称为语料库采集质量，是最好的方式。知识图谱构建。基本步骤。 2。原始数据处理：不同结构的原始数据必须通过适当的方法进行处理，以获得必要的“实体”、“属性”和“关系”信息。这一步是最难的一步，直接决定了能否从对应的语料库构建出知识图谱。 3。构建知识图谱：使用不同的软件将实体-关系-实体三元组构建为知识图谱。常用的创建知识图的软件有：Protégé和Neo4j。 4。知识图谱应用：知识图谱可以通过图数据库查询语言（如Cypher）对知识图谱进行搜索和查询，实现包括：“搜索”、“问答”、“辅助大数据分析”等功能。

3. 知识图谱构建

3.1 语料库显示：

从 NIH 获得的 MeSH (A) 有以下字段文本，level2_，“..” level1__ 文本：“..” level10_text"、"level11_text"；"level1_url"、"level2_url"..."level10_url"、"level11_url"。包含的信息包括：

信息名称分类

Level_text♿♓‷‷‷Ent 属性s

爱沙尼亚语名称属性

中文翻译

属性 2. Neo4j有一个可视化网页，您可以直接在Neo4j网页上创建知识图。和查询。网址如下：https://workspace-preview.neo4j.io/workspace/query 完成Neo4j可视化网站注册后，您将获得一个免费实例。

登录后，进入Neo4j Web界面，创建知识图谱并进行查询。？知识图谱。

部分	信息名称	信息类别	内容
节点 1	节点 1。解剖级别 2
Unique_ ID	属性	D001829
Enlish_name	属性	身体部位
chinese_translation	属性	属性	❓❓❓❓属性 A01
关系	（level_url 到 level_url）	D059925
英文名称	属性	解剖标志
中文翻译	属性	解剖标志
Level_ID	属性.111A.添加属性： `MATCH (n:Anatomylevel2) SET n.Unique_ID='D001829' RETURN n;` `MATCH (n:Anatomylevel2) SET n.Enlish_name='Body Regions', n.Chinese_Translation='身体部位' RETURN n;` 3.构建节点+属性： `CREATE(n:Anatomylevel2{Unique_ID:'D001829',Enlish_name:'Body Regions',Chinese_Translation:'身体部位',Level_ID:'A01'}) RETURN n` （提示：无论节点是否已存在，创建命令都必须创建一个新节点，如果原节点已经存在，则必须使用合并命令合并该节点） 4. 合并节点： `MATCH (n:Anatomylevel2) WITH collect(n) AS nodes CALL apoc.refactor.mergeNodes(nodes) yield node RETURN ;` 5.创建关系： `MATCH(a:Anatomylevel2),(b:Anatomylevel3) CREATE (a)-[r:link]->(b) RETURN r` 6.删除关系： `MATCH(a:Anatomylevel2)-[r:link]->(b:Anatomylevel3) DELETE r` 7.删除节点：（删除节点前，必须删除所有节点关系） `MATCH(b:Anatomylevel3) DELETE b` 8.删除地图： `MATCH(n) DETACH DELETE n` Tips：可以使用MERGE创建元素和边，详情参见：https://zhuanlan.zhihu.com/p/398323729 3.3.2 使用Python py2neo包构建知识图谱：* 将“Py2neo”canone“属性”和“关系”批量导入neo4j，灵活快速，构建知识图谱。您可以通过Re包使用正则表达式来灵活提取您需要的内容。？ ”和“NodeMatch”方法在创建（关系）时报错，官方文档没有提供解决方案。因此，在创建关系的过程中，建议使用Cypher语言的Run方法来创建（也可以使用Run方法创建节点实体） 3.3 .3 使用py2neo快速构建知识图： Py2neo包还提供了批量导入实体和关系的方法，可以快速创建知识图谱，具体可以看以下网址：https://blog.csdn.net/qiang12qiang12/article/details/127692314 iv.第四部分主要记录简单实用“WITH”、“UNWIND”、“WHERE”、“ORDER BY”、“SKIP”和“MERGE”等查询和语法，请参见网站：https://zhuanlan.zhihu.com /p/398323729 4.1查询节点： 1.查询指定实体： `MATCH (a:Anatomylevel2)RETURN a` 2.根据属性查询实体： `MATCH (a:Anatomylevel2{Unique_ID:"D001829"})-->(b) RETURN a,b` 3.根据路径查询实体类（未定义）： `MATCH (a:Anatomylevel2{Unique_ID:"D001829"})-->(b)RETURN b` 4、根据路径查询实体类（定义）： `MATCH (a:Anatomylevel2{Unique_ID:"D001829"})-[r:link]->(b)RETURN b` 4.2 查询属性： `MATCH (a:Anatomylevel2)RETURN a.Chinese_Translation` 4.3 查询关系：♾:4。 1.询问最短路线： `MATCH p =shortestPath((a:Anatomylevel2{Unique_ID:"D001829"})-[1..2]->(b:Anatomylevel3{Unique_ID:"D059925"})) RETURN p` 2。固定深度查询路径： `MATCH p =(a:Anatomylevel2{Unique_ID:"D001829"})-[1..2]->(b) RETURN p`