说明上篇博客《知识图谱构建利器：图数据库Neo4j的环境部署和简单使用》分享了Neo4j图数据库的环境搭建和简单使用，下面就以农作物为例创建一个

 

说明上篇博客《知识图谱构建利器：图数据库Neo4j的环境部署和简单使用》分享了Neo4j图数据库的环境搭建和简单使用，下面就以农作物为例创建一个简单的农作物相关的知识图谱，首先了解一下相关概念知识图谱（Knowledge Graph，引自百科），在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用 可视化技术描述知识资源及其载体，挖掘、分析、 构建、绘制和显示知识及它们之间的相互联系。

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学科的核心结构、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。

它能为学科研究提供切实的、有价值的参考使用1. 首先，我们删除数据库中以往的图，确保一个空白的环境进行操作：MATCH (n) DETACHDELETEn这里，MATCH是匹配操作，而小括号()代表一个

节点node，括号里面的n为标识符2.接下来，我们创建一个农作物（小麦）节点：CREATE (n:Crops {name:Wheat}) RETURNnCREATE是创建操作，Crops是标签，代表节点的类型。

花括号{}代表节点的属性，属性类似Python的字典这条语句的含义就是创建一个标签为Crops的节点，该节点具有一个name属性，属性值是Wheat如图所示，在Neo4J的界面上可以看到创建成功的节点

3. 我们继续来创建更多的农作物节点：CREATE (n:Crops {name:Corn}) RETURNnCREATE (n:Crops {name:DaDou}) RETURNnCREATE (n

:Crops {name:ShuiDao}) RETURNnCREATE (n:Crops {name:MianHua}) RETURNnCREATE (n:Crops {name:QingKe}) RETURN

nCREATE (n:Crops {name:DaZao}) RETURNn如图所示，7个农作物节点创建成功

4. 接下来创建地区节点CREATE (n:Location {region:HuaBei, QiHou:冬暖夏凉}) CREATE (n:Location {region:NanFang, QiHou:

湿热}) CREATE (n:Location {region:DongBei, QiHou:冷}) CREATE (n:Location {region:XiBei, QiHou:环境比较恶劣，高寒})

可以看到，节点类型为Location，属性包括region和QiHou。如图所示，共有7个农作物节点、3个地区节点，Neo4J有好地使用不用的颜色来表示不同类型的节点。

5. 创建关系（农作物的生长地）MATCH (a:Crops {name:MianHua}), (b:Location {region:XiBei}) MERGE (a)-[:Grown_IN]->(b

) MATCH (a:Crops {name:QingKe}), (b:Location {region:XiBei}) MERGE (a)-[:Grown_IN]->(b) MATCH (a:Crops

{name:DaZao}), (b:Location {region:XiBei}) MERGE (a)-[:Grown_IN]->(b) MATCH (a:Crops {name:ShuiDao}), (

b:Location {region:NanFang}) MERGE (a)-[:Grown_IN]->(b) MATCH (a:Crops {name:DaDou}), (b:Location {region

:DongBei}) MERGE (a)-[:Grown_IN]->(b) MATCH (a:Crops {name:Wheat}), (b:Location {region:HuaBei}) MERGE

(a)-[:Grown_IN]->(b) MATCH (a:Crops {name:Corn}), (b:Location {region:HuaBei}) MERGE (a)-[:Grown_IN]

->(b)这里的关系是Grown_IN，表示生长在哪里。如图，在农作物节点和地区节点之间，农作物生长地关系已建立好。

6. 至此，知识图谱的数据已经插入完毕，可以开始查询了我们查询下所有XiBei地区的农作物：MATCH (a:Crops)-[:Grown_IN]->(b:Location {region:XiBei})

RETURNa,b结果

7. 查询所有对外有关系的节点MATCH (a)-->() RETURNa注意这里箭头的方向，返回结果不含任何地区节点，因为地区并没有指向其他节点（只是被指向）

8. 查询所有对外有关系的节点，以及关系类型MATCH (a)-[r]->() RETURNa.name, type(r)结果如下图所示

9. 增加/修改节点的属性MATCH (a:Crops {name:Wheat}) SET a.type=农作物这里，SET表示修改操作10. 删除节点的属性MATCH (a:Crops {name:Wheat

}) REMOVEa.type删除属性操作主要通过REMOVE11. 删除节点MATCH (a:Location {region:DongBei}) DELETEa删除节点操作是DELETE总结本文重点以农作物和生长地关系为案例，对常见的图数据库Neo4J进行了介绍，讲解了Neo4J的查询语言Cypher的使用方法。

类似MySQL等其它关系型数据库一样，在实际的生产应用中，一般还是使用Python、Java等提供的driver来在程序中实现，后续会继续介绍编程语言如何操作Neo4J。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186