知识图谱3

一、引言

Neo4j 是当前较为主流和先进的原生图数据库之一，提供原生的图数据存储、检索和处理。它由 Neo Technology支持，从 2003 年开始开发，1.0 版本发布于 2010 年，2.0版本发布于 2013 年。经过十多年的发展，Neo4j 获得越来越高的关注度，它已经从一个 Java 领域内的图数据库逐渐发展成为适应多语言多框架的图数据库。Neo4j 支持ACID、集群、备份和故障转移，具有较高的可用性和稳定性；它具备非常好的直观性，通过图形化的界面表示节点和关系；同时它具备较高的可扩展性，能够承载上亿的节点、关系和属性，通过 REST 接口或者面向对象的 JAVA API进行访问。

二、Neo4j简介

（1）基本概念

Neo4j使用图相关的概念来描述数据模型，把数据保存为图中的节点以及节点之间的关系。数据主要由三部分构成：

• 节点。节点表示对象实例，每个节点有唯一的ID区别其它节点，节点带有属性；
• 关系。就是图里面的边，连接两个节点，另外这里的关系是有向的并带有属性；
• 属性。key-value对，存在于节点和关系中，如图1所示。
  

（2）索引

• 动机：Neo4j使用遍历操作进行查询。为了加速查询，Neo4j会建立索引，并根据索引找到遍历用的起始节点；

• 介绍：默认情况下，相关的索引是由Apache Lucene提供的。但也能使用其他索引实现来提供。

• 操作：用户可以创建任意数量的命名索引。每个索引控制节点或者关系，而每个索引都通过key/value/object三个参数来工作。其中object要么是一个节点，要么是一个关系，取决于索引类型。另外，Neo4j中有关于节点（关系）的索引，系统通过索引实现从属性到节点（关系）的映射。

• 作用：

  1. 查找操作：系统通过设定访问条件比如，遍历的方向，使用深度优先或广度优先算法等条件对图进行遍历，从一个节点沿着关系到其他节点；
  2. 删除操作：Neo4j可以快速的插入删除节点和关系，并更新节点和关系中的属性。

（3）Neo4j的优势

• 查询的高性能
• 设计的灵活性
• 开发的敏捷行
• 与其他数据库的比较
• 综合表现
  1. 闪电般的读/写速度，无与伦比的高性能表现；
  2. 非结构化数据存储方式，在数据库设计上具有很大的灵活性；
  3. 能很好地适应需求变化，并适合使用敏捷开发方法；
  4. 很容易使用，可以用嵌入式、服务器模式、分布式模式等方式来使用数据库；
  5. 使用简单框图就可以设计数据模型，方便建模；
  6. 图数据的结构特点可以提供更多更优秀的算法设计；
  7. 完全支持ACID完整的事务管理特性；
  8. 提供分布式高可用模式，可以支持大规模的数据增长；
  9. 数据库安全可靠，可以实时备份数据，很方便恢复数据；
  10. 图的数据结构直观而形象地表现了现实世界的应用场景。

三、主体类MedicalGraph介绍

class MedicalGraph:
    def __init__(self):
        pass
    
    # 读取文件，获得实体，实体关系
    def read_file(self):
        psss
    # 创建节点
    def create_node(self, label, nodes):
        pass
    # 创建疾病节点的属性
    def create_diseases_nodes(self, disease_info):
        pass
    # 创建知识图谱实体
    def create_graphNodes(self):
        pass
    # 创建实体关系边
    def create_graphRels(self):
        pass
    # 创建实体关系边
    def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):
        pass

1. 读取文件

def read_file(self):
        """
        读取文件，获得实体，实体关系
        :return:
        """
        # cols = ["name", "alias", "part", "age", "infection", "insurance", "department", "checklist", "symptom",
        #         "complication", "treatment", "drug", "period", "rate", "money"]
        # 实体
        diseases = []  # 疾病
        aliases = []  # 别名
        symptoms = []  # 症状
        parts = []  # 部位
        departments = []  # 科室
        complications = []  # 并发症
        drugs = []  # 药品

        # 疾病的属性：age, infection, insurance, checklist, treatment, period, rate, money
        diseases_infos = []
        # 关系
        disease_to_symptom = []  # 疾病与症状关系
        disease_to_alias = []  # 疾病与别名关系
        diseases_to_part = []  # 疾病与部位关系
        disease_to_department = []  # 疾病与科室关系
        disease_to_complication = []  # 疾病与并发症关系
        disease_to_drug = []  # 疾病与药品关系

        all_data = pd.read_csv(self.data_path, encoding='gb18030').loc[: