知识图谱实战（二）：Neo4j 构建与导入（完整代码）

知识图谱实战（二）：Neo4j 构建与导入（完整代码）

《知识图谱（一）数据采集》产出了三元组 CSV，这篇把它变成真正的"图"：安装 Neo4j 图数据库、用 Cypher 建节点和关系、把 triples.csv 批量导入、浏览器里可视化。照做就能看到一张能查询的知识图谱。

前言

三元组（华为 - 创始人 - 任正非）存在 Excel 里只是表格，存进图数据库才是知识图谱。图数据库专门为"实体+关系"设计：查询"和华为直接相关的所有实体""任正非和贵州有什么关系"这类问题，一条 Cypher 就出来，比关系型数据库 JOIN 快得多、直观得多。

Neo4j 是使用最广的开源图数据库，这篇从安装到导入到可视化全走一遍。

一、Neo4j 是什么（先建立概念）

概念	图数据库	关系型数据库（MySQL）
存储	节点（实体）+ 关系（边）	表 + 行
查询	Cypher（MATCH 模式匹配）	SQL（JOIN）
擅长	关系密集型查询（人脉、供应链、图谱）	事务、报表
适合	知识图谱、社交网络、推荐	订单、账务

图数据三要素：节点（Node）、关系（Relationship）、属性（Property）。关系有方向（华为 → 创始人 → 任正非），这是图的核心。

二、安装与启动（两种方式）

方式一：Docker（推荐，一条命令）

:: 需先装 Docker Desktop（见 《Docker 容器化实战》）
docker run -d --name neo4j -p 7474:7474 -p 7687:7687 ^
  -e NEO4J_AUTH=neo4j/12345678 neo4j:5

方式二：Windows 直接运行

1. Neo4j 官网下载 Community 版 zip，解压到 D:\neo4j（路径别带中文）；
2. 管理员终端进入 D:\neo4j\bin，执行 neo4j.bat console 启动；
3. 首次启动后浏览器打开 http://localhost:7474，默认账号 neo4j，首次登录必须改密码。

启动成功的标志：浏览器能打开 Neo4j Browser（可以执行 Cypher 的界面）。端口说明：7474 是浏览器界面，7687 是程序连接（bolt）端口。

三、Cypher 手动建图（先理解语法）

在 Neo4j Browser 的输入框逐条执行：

// 1. 建两个节点（MERGE：不存在才建，重复执行不报错）
MERGE (h:Company {name: '华为'}) ON CREATE SET h.founded = '1987';
MERGE (r:Person {name: '任正非'}) ON CREATE SET r.born = '贵州';

// 2. 建关系（方向：华为 → 任正非）
MATCH (h:Company {name: '华为'}), (r:Person {name: '任正非'})
CREATE (h)-[:FOUNDER {since: '1987'}]->(r);

// 3. 查询：和华为有关系的所有实体
MATCH (h:Company {name: '华为'})-[rel]-(n) RETURN h, rel, n;

CREATE 无条件新建（会重复）；MERGE 去重（推荐）。第三条查询执行后，浏览器右侧会出现可视化图谱：两个圆点一条箭头。

四、批量导入三元组（完整代码）

用 Python 驱动把 《知识图谱（一）数据采集》生成的 triples.csv 批量导入：

pip install neo4j

# import_kg.py — 读取 triples.csv 批量导入 Neo4j（完整可运行）
from neo4j import GraphDatabase
import csv

URI = "bolt://localhost:7687"
AUTH = ("neo4j", "12345678")      # 改成你设置的密码

driver = GraphDatabase.driver(URI, auth=AUTH)

def import_triple(tx, head, rel, tail):
    # 节点不存在则建、存在则复用；关系同理（MERGE 全去重）
    tx.run(
        "MERGE (h:Entity {name: $head}) "
        "MERGE (t:Entity {name: $tail}) "
        "MERGE (h)-[r:REL {type: $rel}]->(t)",
        head=head, tail=tail, rel=rel,
    )

with driver.session() as session:
    with open("triples.csv", encoding="utf-8-sig") as f:
        reader = csv.DictReader(f)
        count = 0
        for row in reader:
            session.execute_write(import_triple,
                                  row["head"], row["relation"], row["tail"])
            count += 1
            print("导入:", row["head"], "-", row["relation"], "-", row["tail"])
    print(f"共导入 {count} 条三元组")

driver.close()
print("完成！打开 http://localhost:7474 查看图谱")

运行验证：python import_kg.py，期望逐条打印"导入: ..."，结束时提示完成；浏览器 Neo4j Browser 里执行 MATCH (n) RETURN n LIMIT 50，能看到节点和连线组成的图谱——这就是你采集数据构建出来的知识图谱。

五、可视化与基础查询

Neo4j Browser 自带可视化，常用验证查询：

// 全部实体和关系（数据多时加 LIMIT）
MATCH (n)-[r]->(m) RETURN n, r, m LIMIT 100;

// 只看某个实体的邻居
MATCH (n {name: '华为'})-[r]-(m) RETURN n, r, m;

图谱一眼能看出：哪些实体是"枢纽"（连接的边多），哪些关系类型最多——论文/汇报里截图就是很好的配图。

六、常见坑

坑	解决
浏览器打不开 7474	Docker 方式确认容器在跑（docker ps）；zip 方式确认 neo4j.bat console 窗口没关
登录被拒	首次登录必须改默认密码；Docker 方式密码在 NEO4J_AUTH 里定义
导入报认证错	AUTH 里的密码要和浏览器登录的一致
节点重复建	用 MERGE 别用 CREATE；实体名做归一化（《知识图谱（一）数据采集》）
关系方向反了	三元组顺序 (head→tail) 与 Cypher -> 方向对应，导入代码里已固定

七、总结

• 一句话：Neo4j 把三元组变成节点和关系，浏览器就能看到、Cypher 就能查；
• 到这一步，"采集 → 构建"已完成，下一篇《知识图谱（三）：图查询调用与 GraphRAG》讲怎么把图谱用起来（API 调用 + 和 LLM 结合）；
• 接单角度：企业图谱项目（人事/供应链/文档）都落在"Neo4j 建图 + 查询"上，这篇就是建图的标准流程。

觉得有用点个赞收藏，下一篇见。