Neo4j在知识图谱中的应用(2)——Neo4j基本概念及常用操作

Neo4j数据模型的核心概念非常简单:
-节点Nodes
-关系Relationships
-属性Properties
熟悉图论的同学可以简单理解为:节点就是顶点,关系就是边,属性就是顶点或边的属性。

具体画图规则也不复杂,如下:
-节点和关系都包含属性
-关系用于连接节点
-属性是名称-值对,就是Json中的键值对
-节点用圆圈表示
-关系用箭头表示,关系具有方向:可以是单向或双向,每个关系包含“开始节点”或“从节点”和“到节点”或“结束节点”

另外,我们知道,操作关系数据库用SQL语音,同理,操作neo4j用Cypher查询语言,简称CQL。CQL内置了常规的数据类型,具有创建、删除、匹配查找对象等功能,还内置了count、max、min、sum、avg等聚合函数。

好了,直接创建个节点:

CREATE (:Project {name:'项目1',goal:'马到成功!',website:'xiang.net'})
CREATE (:Project {name:'项目2',goal:'大鹏展翅!',website:'xiang.net'})
CREATE (:Project {name:'项目3',goal:'一往无前!',website:'xiang.net'})

上述语句中,Project是标签,相当于分类或分组,类似于关系数据库中的表,但是neo4j允许同一个节点有多标签,也就是一个节点可以有多个分组。
三个节点分别表示三个项目,每个项目由三个属性:项目名称、项目目标、项目网址

执行3条语句后返回如下结果,证明执行成功:

Added 3 labels, created 3 nodes, set 9 properties, completed after 77 ms.

查询所有图形元素:

match(n) return n

返回如下结果


1.png

下面2个语句建个2个Employee节点,每个节点有2个属性:

CREATE (:Employee {name:'张三',age:32})
CREATE (:Employee {name:'李四',age:26})

再次查询所有图形元素,展现出来的5个节点,3个Project,2个Employee,它们之间没有任何关系。


2.png

下面建立关系,比如,我们希望由员工“张三”管理“项目1”,就需要分别找出这两个节点,然后使用CREATE语句创建两者之间的关系,基本语法是:

CREATE (node1)-[:Relation]->(node2)

语句如下:

MATCH (e:Employee),(p:Project)
WHERE e.name = '张三' AND p.name = '项目1' 
CREATE (e)-[:Manage]->(p);

前两行首先用match查询出需要建立关系的2个节点,第三行建立两者的关系,关系名为“Mange”
执行后再次查询所有图形元素,发现“张三”和“项目1”之间已经建立了管理关系


3.png

同样,我们建立让“张三”管理“项目2”,

MATCH (e:Employee),(p:Project)
WHERE e.name = '张三' AND p.name = '项目2' 
CREATE (e)-[:Manage]->(p);

“李四”管理“项目3”

MATCH (e:Employee),(p:Project)
WHERE e.name = '李四' AND p.name = '项目3' 
CREATE (e)-[:Manage]->(p);

得到如下关系:


4.png

当然,Project之间也可以建立关系,比如“项目2”包含“项目3”

MATCH (p1:Project),(p2:Project)
WHERE p1.name = '项目2' AND p2.name = '项目3' 
CREATE (p1)-[:Include]->(p2);
5.png

Neo4j数据库中存储了上述节点和关系,就可以进行查询了,比如:查询“张三”管理了哪些项目:

MATCH (e:Employee)-[:Manage]->(p:Project)
WHERE e.name="张三"
RETURN p
6.png

查询“张三”管理的子项目

MATCH (e:Employee)-[:Manage]->(:Project)-[:Include]->(p:Project)
WHERE e.name="张三"
RETURN p
7.png

查询“张三”管理的子项目项目经理

MATCH (e1:Employee)-[:Manage]->(:Project)-[:Include]->(p:Project),(e2:Employee)-[:Manage]->(p:Project)
WHERE e1.name="张三" 
RETURN e2
8.png

查询员工平均年龄

MATCH (e:Employee) RETURN AVG(e.age)
9.png

当然,真实项目中会有大量节点以及他们直接的复杂关系,靠代码生成肯定不现实,下篇文章介绍如何把数据批量导入Neo4j。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 222,183评论 6 516
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,850评论 3 399
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 168,766评论 0 361
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,854评论 1 299
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,871评论 6 398
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,457评论 1 311
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,999评论 3 422
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,914评论 0 277
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,465评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,543评论 3 342
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,675评论 1 353
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,354评论 5 351
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 42,029评论 3 335
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,514评论 0 25
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,616评论 1 274
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 49,091评论 3 378
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,685评论 2 360