知识图谱的数据存储技术研究

公司旧电脑到期，换了一台电脑的原因之前爬取的数据全部忘了备份，全部弄丢了。所以这个项目好久没开工了。

本文需要进一步研究知识图谱的数据存储。由于知识图谱的图结构特点，使用传统的关系型数据库存储大量的关系表，在做查询的时候需要大量的表连接，速度非常慢，所以往往知识图谱采用的是图数据库。

一、图数据库和关系型数据库的差别

还是以NBA里的数据为例，为了表示球员和球队的效力关系，关系型数据库需要增加一张球员和球队关系表来存储这个关系。如下图：

而图数据库通过引入“效力于”关系边的概念来加以解决。不需要建表，关系边上可以存储属性，比如效力时间这一字段。

工作中我们团队的知识图谱是存储在阿里自研的图数据库上，鉴于数据安全问题，在这个项目里我采用了比较流行的neo4j图数据库。

二、Neo4J的使用

neo4j的使用，主要参考了官方文档https://neo4j.com/docs/developer-manual/current/drivers/client-applications/。Neo4J设计了一种叫做Cypher的查询语言，语法非常奇怪。官方提供的一个二跳的查询例子，查询John的朋友的朋友：

2 rows 

我尝试创建了一个NBA的DB，用create语句创建了NBA火箭队、保罗和哈登三个实体。创建语句如下

创建了2个球员实体，包括了身高/体重/生日/合同情况，创建了一个球队实体，包括了球馆、城市等信息，创建了两条球员和球队的关系边，每条边上定义球员在该球队效力时间。可视化结果如下图：

OK，至此一个小的知识图谱就在图数据库里被创建完毕了，后续要做的是把大规模数据导入图数据库