Neo4j图数据库和GDS图算法应用

一、图数据库Neo4j

1.1 Neo4j简介和安装

截止2021年12月，Neo4j 最新版本是4.4。提供了完整的图数据平台能力。关于版本的选择：

Neo4j 图数据库：Neo4j 的核心图数据库，用于存储和检索关联数据。有两个版本 - 社区版和企业版。
Neo4j Desktop：管理 Neo4j 实例和应用的桌面程序，安装便捷，包含 Neo4j 企业版许可。
Neo4j Browser：Neo4j 图数据库管理界面，用于查询和查看数据库中的数据。使用 Cypher 查询语言，具备图数据可视化功能。
Neo4j Bloom：面向业务用户的可视化工具，无需任何代码或编程技能即可查看和分析数据。
Neo4j AuraDB：由 Neo4j 管理的云端Neo4j图数据库，开箱即用的DBaaS服务。现已推出面向开发者的免费版本。

下载：https://neo4j.com/download/

1.2 Cypher查询语言

• Neo4j使用声明式查询语言Cypher，能够以一种容易理解的方式来遍历图。有很多和sql类似（如WHERE、ORDER BY、SKIP LIMIT、AND、p.unitPrice > 10）。但与 SQL 不同，Cypher 是关于表达图模式的，新增一个特殊子句MATCH来匹配数据中的这些模式。
• 关系在 Cypher 中使用箭头–>或<–两个节点之间表示。请注意语法在视觉表示中如何看起来像连接我们的节点的箭头和线。附加信息，例如节点如何连接（关系类型）以及与关系有关的任何属性，可以放在箭头内的方括号中。

1.3 图数据库Neo4j支持的图算法和GDS

• 图搜索算法
• 寻路算法
• 中心性算法
• 社区检测算法
• 图嵌入
• 链接预测
• 连接特征提取

说到图算法，就需要提到Neo4j GDS，图分析和建模平台，2.0版本发支持60+图算法。传统做法：很多业务应用直接使用Neo4j；GDS：

二、图算法在实际应用中的阶段

• 第一阶段：知识图谱
  在关联数据中搜索特定的关联模式。例如构建企业级的应用知识图谱，借助知识图谱回答特定的问题。
• 第二阶段：图算法
  使用无监督的机器学习技术识别图中的关联、异常值和趋势。例如了解图中最重要的是什么、哪里有相似性、应该在哪步做调查。
• 第三阶段：图原生机器学习
  使用嵌入来学习图中那些可能之前不知道的重要特征，训练图内监督机器学习模型来预测链接、标签和缺失数据。例如哪些客户会购买哪些商品、哪些交易存在欺诈行为。

三、图算法的应用场景

Neo4j的用户主要

3.1 图嵌入

3.2 金融欺诈检测

3.3 NLP中的知识图谱

Neo4j 为结构化数据提供了强大的查询能力，但是世界上很多数据都存在于文本文档中。NLP 技术可以帮助提取这些文档中的潜在结构。这种结构可以像表示句子中标记的节点一样简单，也可以像表示使用命名实体识别算法提取的实体的节点一样复杂。

如上图所示，NLP信息抽取的难点在于处理非结构化数据，右边就是从左边文本抽取出来的实体和关系

比如在推荐系统中也能结合知识图谱做相关的召回：

Reference

[1] Neo4j algorithm：https://neo4j.com/developer/graph-data-science/graph-algorithms/
[2] Cypher：https://neo4j.com/developer/cypher/
[3] 如何选择合适的Neo4j版本
[4] https://graphacademy.neo4j.com/courses/gds-product-introduction/
[5] https://graphacademy.neo4j.com/courses/graph-data-science-fundamentals/
[6] https://github.com/neo4j/graph-data-science
[7] 利用Neo4j构建知识图谱
[8] Neo4j安装官网指南
[9] 知识图谱专栏（Neo4j、Cypher）
[10] 2022年中国知识图谱行业研究报告
[11] Neo4j基础教程：https://we-yun.com/doc/neo4j-chs-doc/#_关于本指南
[12] QQ音乐推荐召回算法的探索与实践