用neo4j构建广州市景点知识图谱及数据库上云

---

一、数据

首先展示一下数据结构，最初是想用import方式导入utf-8格式的csv到neo4j，但是csv的分隔符是逗号，而我们数据里面的属性常常是一大段话，所以经常出现属性混在一起导致信息错误、乱码的问题，因为数据量不算大，所以我们选择使用excel数据，用python解析并逐行导入，乱码问题好很多，但是以上两种导入的速度差别很大，第一种几秒就可以，第二种需要十几分钟。

我们的知识图谱包括四类节点：景点（ID为J开头）、美食（ID为F开头）、酒店（ID为H开头）、交通（ID为T开头），包括五种关系：景点与附近景点、景点与内部景点、景点与附近美食、景点与附近交通，以下是数据格式：

这是节点数据的utf-8的excel格式，注意表头不要出错，依次为:ID, name, :LABEL，然后后面是各种自定义属性，不同的节点最好要以ID不同前缀加以区分，LABEL对应节点类型

这是关系数据的utf-8的excel格式，一个关系中的两个节点ID是节点的唯一标识，比如上面就是景点（J开头）和美食（F开头）之间的附近关系，这里也要严格按照表头格式，依次为:START_ID, :END_ID, :TYPE以及自定义属性，type对应关系类型，然后Neo4j中的关系是没有ID的。

二、部署云数据库

1.下载解压

我用的是阿里云，用putty远程连接然后跑以下命令
下载neo4j

wget https://neo4j.com/artifact.php?name=neo4j-community-3.5.19-unix.tar.gz

解压并到自己想要放在的目录下面

tar -zvxf artifact.php\?name\=neo4j-community-3.5.19-unix.tar.gz 

但是因为网络问题我下载很慢，最后选择在本地下载再用WinSCP传到云服务器上
Neo4j官网https://neo4j.com/download-center/#community，注意下载neo4j的版本要跟jdk版本适配，我jdk是1.8所以没有下载neo4j 4.0以上的版本

2.配置环境

使用root权限修改/etc/profile配置

sudo vim /etc/profile 

在文件的最后添加以下代码

#Neo4j
export NEO4J_HOME=/root/Neo4j/neo4j
export PATH=$PATH:$NEO4J_HOME/bin

3.配置Neo4j文件

neo4j的配置文件在conf目录下的neo4j.conf，将Neo4j的默认localhost修改为自己的服务器IP地址，也就是修改这一行，将localhost改成云服务器的ip地址

然后将以下三行的注释去掉，这里的端口号如果没有冲突的话可以不用改

4.配置云服务器安全组

在阿里云服务器上设置7474端口和7687端口的安全组，其实7473端口用的不多可以不设置，在服务器的管理界面左侧，选择“本实例安全组”，点击“配置规则”，然后选择“添加安全组规则”，若是添加7474端口，则端口范围后面填写7474/7474，授权对象如果填写“0.0.0.0/0”，则所有IP都可以访问服务器的7474端口

5.验证

在浏览器端输入http://IP地址:7474/ 看是否能打开，第一次打开会慢一点，账号和密码默认都是neo4j，成功登录之后需要修改密码

三、数据处理和导入云数据库

0.连接云数据库

此时数据库是空的，我们可以来导入数据啦
python构造图、节点、关系需要使用py2neo包，然后连接云上的图数据库

from py2neo import Node, Graph, Relationship 
graph = Graph("http://47.98.xxx.xxx:7474", username="neo4j", password="neo4")

1.读取数据

首先读取数据转化为dataframe格式，顺便给所有的null填上‘空’’，要不然之后数据处理比较麻烦

import pandas as pd 

excelFile1 = r'C:\Users\lenovo\Desktop\utf8_excel\节点\景点.xlsx'
df_site = pd.DataFrame(pd.read_excel(excelFile1)).fillna('无')

excelFile2 = r'C:\Users\lenovo\Desktop\utf8_excel\节点\交通.xlsx'
df_traffic = pd.DataFrame(pd.read_excel(excelFile2)).fillna('无')

excelFile3 = r'C:\Users\lenovo\Desktop\utf8_excel\节点\酒店.xlsx'
df_hotel = pd.DataFrame(pd.read_excel(excelFile3)).fillna('无')

excelFile4 = r'C:\Users\lenovo\Desktop\utf8_excel\节点\美食.xlsx'
df_food = pd.DataFrame(pd.read_excel(excelFile4)).fillna('无')

excelFile5 = r'C:\Users\lenovo\Desktop\ut