### 创建和管理电影知识图谱 #### 使用Python库`py2neo` 为了与Neo4j交互，可以利用`py2neo`这个专门设计用于简化Python应用程序同Neo4j之间通信的库[^3]。安装此库可以通过pip命令完成： ```bash pip install py2neo ``` #### 连接到Neo4j实例 建立到Neo4j服务器的连接是第一步，在这里假设有一个本地运行的服务端口bolt://localhost:7687以及相应的用户名密码认证信息。 ```python from py2neo import Graph graph = Graph("bolt://localhost:7687", auth=("username", "password")) ``` #### 定义节点和关系类型 定义好要存储的数据模型对于构建有效的知识图谱至关重要。例如，针对电影领域可能存在的实体有演员、导演、电影本身等；而它们之间的关联则可能是出演、执导等等。 ```python class Actor(Node): name = Text() class Director(Node): name = Text() class Movie(Node): title = Text() year = Integer() # 关系类 ACTED_IN = RelationshipType("ACTED_IN") DIRECTED = RelationshipType("DIRECTED") ``` 上述代码片段展示了如何使用面向对象的方式定义节点及其属性还有两者间的关系类型[^1]。 #### 导入数据至Neo4j 当准备好待处理的数据集之后（比如CSV文件），就可以编写脚本来解析这些外部资源并将其中的信息转化为适合存入图数据库的形式。下面给出了一种方法来加载一批新的记录作为节点或边加入现有结构之中[^4]。 ```python import csv from py2neo import Transaction, NodeMatcher matcher = NodeMatcher(graph) with open('movies.csv') as f: reader = csv.DictReader(f) tx = graph.begin() # 开启事务 for row in reader: movie_node = matcher.match("Movie").where(title=row['title']).first() if not movie_node: movie_node = Movie(title=row['title'], year=int(row['year'])) actor_nodes = [] directors = [] for person_type, role_field in [("Actor", "actors"), ("Director", "directors")]: names = [name.strip() for name in row[role_field].split(",")] for name in set(names): # 去除重复项 node_class = globals()[person_type] existing_person = matcher.match(person_type).where(name=name).first() if not existing_person: new_person = node_class(name=name) tx.create(new_person) if person_type == 'Actor': actor_nodes.append((new_person, ACTED_IN)) elif person_type == 'Director': directors.append(DIRECTED(new_person)) for rel_tuple in actor_nodes + [(d,) for d in directors]: tx.create(rel_tuple[0]-rel_tuple[-1]->movie_node) tx.commit() # 提交更改 ``` 这段程序会遍历给定的CSV文件中的每一行，并尝试查找已有的对应条目或者创建全新的节点表示人物角色或是影片作品。接着它还会建立起这些人与他们参与制作的作品间的联系。