一、知识图谱概述 知识图谱（Knowledge Graph）是一种结构化的语义知识库，它以图形的方式组织和整合信息，使得数据之间的关系变得直观和易于理解。
知识图谱的概念融合了计算机科学、数据科学、人工智能等多个领域的技术，旨在通过关联分析揭示数据背后的深层次关系。
1.1、概念 知识图谱由节点（实体）和边（关系）组成。
节点代表实体，如人、地点、物品等；边代表实体之间的关系，如“属于”、“创造”、“位于”等。
每个节点和边都可以带有属性，提供更详细的信息。
知识图谱的构建通常包括以下几个步骤： 数据抽取：从各种数据源中提取信息，如文本、数据库、网页等。
实体识别：识别出数据中的关键实体。
关系抽取：确定实体之间的关系。
实体链接：将识别出的实体与已知的知识库中的实体进行链接。
知识融合：整合来自不同源的知识，解决冲突和歧义。
存储与查询：将构建好的知识图谱存储在图数据库中，并提供查询接口。
1.2、历史 知识图谱的概念并非一开始就存在，它是随着信息技术和人工智能领域的发展逐渐形成的。
以下是几个关键的历史节点： 1980年代：专家系统的发展，可以看作是知识图谱的早期形式。
1990年代：语义网（Semantic Web）概念的提出，旨在通过机器可理解的方式编码信息 2006年：DBpedia项目启动，将维基百科的结构化信息转换为机器可读格式。
2012年：谷歌推出知识图谱，用于增强搜索引擎的功能，提供更丰富的搜索结果。
1.3、作用 知识图谱在多个领域都有着广泛的应用，以下是其主要作用： 搜索引擎优化：通过知识图谱，搜索引擎能够提供更加精确和相关的搜索结果。
推荐系统：知识图谱可以用于个性化推荐，通过分析用户与物品之间的关系，提供更准确的推荐。
语义分析：在自然语言处理中，知识图谱有助于理解词语之间的关系，提高语义分析的准确性。
智能问答：知识图谱可以用于构建智能问答系统，快速准确地回答用户的问题。
决策支持：在商业分析和决策过程中，知识图谱能够帮助发现数据之间的深层次关系，支持更明智的决策。
医疗健康：知识图谱在医疗领域可用于药物研发、疾病诊断等，通过关联分析提高医疗质量 1.4、演示效果
二、图数据库 图数据库（Graph Database）是一种用于存储和管理图形结构数据的数据库。
与传统的基于表格的数据库不同，图数据库专门为处理复杂的关系和网状结构的数据而设计。
在图数据库中，数据结构的核心是节点（Node）、关系（Relationship）和属性（Property） 2.1、Neo4j Neo4j是目前最常使用的图数据库管理系统。
它是一个高性能的NoSQL数据库，具有以下特点： 原生图存储：Neo4j使用原生图存储，这意味着它直接在磁盘上存储节点和关系，而不是将图数据转换为其他模型。
Cypher查询语言：Neo4j使用Cypher作为查询语言，这是一种声明式查询语言，专门为图数据库设计，易于学习和使用。
高度可扩展：Neo4j支持大规模的数据集，并且可以通过集群部署来提高性能和可用性。
丰富的生态系统：Neo4j有一个活跃的社区和丰富的生态系统，提供了大量的工具和库来支持图数据库的开发和应用。
由于其强大的功能和易用性，Neo4j在众多行业和领域得到了广泛的应用，成为图数据库领域的佼佼者。
2.2、neo4j使用 输入以下代码启动neo4j
neo4j console
2.3、创建节点 create (郭靖:人物 {name:‘郭靖’,identity:‘武林高手’})
create表示新建 小括号内是节点信息，节点的标签label是人物，郭靖是其别名花括号内是该节点的属性，共有name、identity两个属性 2.4、创建关系
match (黄蓉:`人物`{name:'黄蓉'}),(郭靖:`人物`{name:'郭靖'}) create (黄蓉) -[r:husband{name:'丈夫'}]->(郭靖)
match是匹配 (黄蓉:人物{name:‘黄蓉’})是第一个节点，(郭靖:人物{name:‘郭靖’})是第二个节点husband是关系的标签，花括号内是该关系的属性，有name属性 2.5、删除所有节点和关系
MATCH (n)
OPTIONAL MATCH (n)-[r]-()
DELETE n,r
2.6、效果展示
三、知识问答项目构建 3.1、前端构建
3.2、大模型进行问题分类和命名实体识别
from zhipuai import ZhipuAI
import json
client = ZhipuAI(api_key="your_api_key")
def wenda(question):
messages = [
{
"role":"system",
"content":"""我会给你一个句子，请你帮我分类成0-6,0表示询问某人的信息,1表示询问某人毕业于那所学校,2表示询问某人创作的作品,3表示询问某人的出生日期,4表示询问某人与某人的关系,5表示询问某人的配偶是谁,6表示询问作品是谁创作的。
请按照我给你的提供的json模板,当问题类型属于0,1,2,3,5时,nr字段填入名字,不要work字段.当问题类型为6时,work字段填入作品名称,不要nr字段。
{
"类型"：0-6,
"nr":名字,
"work":作品名称
}
当类型为4时,使用以下模板:
{
"类型"：4,
"nr":['名字1','名字2'],
}
只需要返回一个json对象，不要重复问题
"""
},
{
"role": "user",
"content": f"{question}"
}
]
response = client.chat.completions.create(
model="glm-4-flash",
messages=messages,
)
return json.loads(response.choices[0].message.content)
3.3、python操作neo4j数据库 安装项目相应的依赖包
pip install -r requirements.txt
连接数据库
from py2neo import Graph
# 替换下面的 uri, user 和 password 为你的 Neo4j 数据库的连接信息
uri = "bolt://localhost:7687" # Neo4j Bolt 连接地址
user = "neo4j" # Neo4j 用户名
password = "your_password" # Neo4j 密码
graph = Graph(uri, auth=(user, password))
增加数据
# 创建节点
tx = graph.begin()
a = Node("Person", name="Alice")
b = Node("Person", name="Bob")
tx.create(a)
tx.create(b)
tx.commit()
# 创建关系
ab = Relationship(a, "KNOWS", b)
tx = graph.begin()
tx.create(ab)
tx.commit()
查找
alice = graph.nodes.match("Person", name="Alice").first()
print(alice)
relationship = graph.relationships.match(nodes=[alice, b], r_type="KNOWS").first()
print(relationship)
3.4、后端构建 本项目采用Flask框架实现，使用了例如render_template进行页面渲染，return返回前端所需要的信息等。
四、附件项目使用 0.启动neo4j数据库
neo4j console
1.向neo4j数据库添加数据
python ./handler/handler_person_data.py
2.添加自己的api_key
3.启动项目
python app.py
如何零基础入门 / 学习AI大模型？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。
“
AI会取代那些行业？
”“
谁的饭碗又将不保了？
”等问题热议不断。
不如成为
「掌握AI工具的技术人」
，毕竟AI时代， 谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。
同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。
所以现在小白入门就只能靠自学，学习成本和门槛很高 那么我作为一名热心肠的互联网老兵， 我意识到有很多经验和知识值得分享给大家，希望可以帮助到更多学习大模型的人！
至于能学习到多少就看你的学习毅力和能力了 。
我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
👉
福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点
👈 全套AGI大模型学习大纲+路线 AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
640套AI大模型报告合集 这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。
无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。
👉学会后的收获：👈 • 基于大模型全栈工程实现 （前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力； • 能够利用大模型解决相关实际项目需求 ： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。
因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求； • 基于大模型和企业数据AI应用开发， 实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能 ， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握； • 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力 ： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
👉
福利来袭CSDN大礼包：《2025最全AI大模型学习资源包》免费分享，安全可点
👈
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。