Neo4j入门（六）从计算节点的出度、入度开始

  本文将会介绍一些较高级的Neo4j查询Cypher语句，先从计算节点的出度、入度开始。
  在此之前，我们先构建一个简单的电影知识图谱。

图谱构建

  我们将构建一个IMDB排名前250的电影知识图谱，其数据来源可访问网址：https://www.imdb.cn/imdb250/6，电影数据示例如下：

  其中节点的Schema如下：

节点类型	属性
Movie	name,language,releaseDate,minutes
Person	name
Country	name
Genre	name

其中Movie为电影节点，Person为人物节点，包含导演、编剧、主演，Country为国家或地区，Genre为电影类型。关系Schema如下：

头结点	尾结点	关系	备注
Movie	Person	director	电影的导演
Movie	Person	editor	电影的编剧
Movie	Person	actor	电影的主演
Movie	Country	country	电影所属国家或地区
Movie	Genre	has	电影类型

根据上述数据源及Schema，我们构建的电影图谱示例如下：

Cypher查询

1. 查询节点的出度、入度

  首先我们查询某个节点的出度，比如我们想知道肖申克的救赎的出度（即有多少关系以该节点为头结点），则可以使用如下查询语句：

match (n:Movie{name: '肖申克的救赎'}) with n, size((n)-[]->()) as s return s;

返回结果如下：

s
9

  如果我们想查询某个节点的入度，比如我们想知道前250部电影中有多少部是美国拍的，则可以使用如下查询语句：

match (n:Country{name: '美国'}) with n, size((n)<-[]-()) as s return s;

返回结果如下:

s
186

2. 匹配多种关系

  接下来我们查询多种关系，比如我们想知道阿甘正传的导演及电影类型，则可以使用如下查询语句：

match p=(n:Movie{name: '阿甘正传'}) -[r:director|has] -> (m) return p;

返回结果如下图：

3. 匹配多种类型节点

  匹配多种类型的节点时，不像匹配多种关系使用|那么方便，比如我们想知道图谱中的电影及国家，则可以使用如下查询语句：

match (n) where n:Movie or n:Country return n.name;

4. 限定条件的节点出度、入度

  比如我们想知道肖申克的救赎的主演和导演数量，则可以使用如下查询语句：

match (n:Movie{name: '肖申克的救赎'}) with n, size((n)-[:actor|director]->()) as s return s;

返回结果如下：

s
6

又比如我们想知道一共有多少部剧情片和爱情片,则可以使用如下查询语句：

match (n:Genre) where n.name = '剧情' or n.name = '爱情' with n, size((n)<-[]- ()) as s return n.name, s;

返回结果如下：

n.name s
“爱情” 15
“剧情” 116

5. 按节点出度、入度排序

  比如我们想按照国家所拍摄的电影数量对国家排序，即对国家节点按出度进行排序，则可以使用如下查询语句：

match (n:Country) with n, size((n)<-[]-()) as s order by s desc return n.name, s;

则返回结果如下：

6. 改变节点的标签

  Neo4j是支持对同一节点赋予多个标签（label）的，那么我们尝试着对拥有director、editor、actor关系的Person节点再给它们赋予Director、Editor、Actor标签，查询语句如下：

match (n:Movie) -[r:director]->(m:Person) set m:Director return (m);

如下图：

  有了上述操作，我们就可以知道那些即是导演又是编剧又是主演的人了，查询语句如下：

match (n) where n:Director and n:Editor and n:Actor return (n);

返回结果如下：

去百度查询特瑞·琼斯，也是符合我们的搜索结果的：

总结

  从上面的查询中我们可以看到，知识图谱可以告诉我们很多有趣的事实，这也是图谱的魅力所在~
  本文将会介绍了一些较高级的Neo4j查询Cypher语句，感谢阅读~