文章目录前言一、知识图谱1、数据模型2、数据库管理系统3、查询语言4、查询操作二、知识图谱存储方式1、关系型存储2、原生图存储三、基于关系的知识图谱存储管理1、三元组表2、水平表3、属性表4、垂直划分5、六重索引四、原生知识图谱存储管理1、Neo4j2、gStore3、分布式图数据库：JanusGraph4、OrientDB5、Cayley6、其他原生图数据库五、图数据库1、图数据库排名2、图数据库选型3、图数据库对比(1)NebulaGraphvs.Dgraphvs.HugeGraph(2)Neo4jvsNebulaGraphvsJanusGraph(3)Dgraphvs.HugeGraph

首先Neo4j是图数据库，最重要的就是结点和边的关系，每两个结点和边都可以看成三元组，主谓宾的关系，当然结点也是可以添加属性的，但是首先要有结点，在添加属性。本片文章就是用简单的方式一次性给大家讲解清楚。简单起见，我们用西游记师徒四人为例子（手动写的，为了理解），来体现出本章要讲的操作一、先把人物和关系罗列出来注意，要将文件保存为.csv格式 ps：知识图谱的建立，数据来源主要分为三种，一种是非结构化数据（文本）、半结构化数据（可以爬虫技术在一些网站上获取），结构化数据（关系型数据）。二、要建立结点，只有有了结点才会有关系，和之后的属性等。代码如下：frompy2neoimportGraph,

首先Neo4j是图数据库，最重要的就是结点和边的关系，每两个结点和边都可以看成三元组，主谓宾的关系，当然结点也是可以添加属性的，但是首先要有结点，在添加属性。本片文章就是用简单的方式一次性给大家讲解清楚。简单起见，我们用西游记师徒四人为例子（手动写的，为了理解），来体现出本章要讲的操作一、先把人物和关系罗列出来注意，要将文件保存为.csv格式 ps：知识图谱的建立，数据来源主要分为三种，一种是非结构化数据（文本）、半结构化数据（可以爬虫技术在一些网站上获取），结构化数据（关系型数据）。二、要建立结点，只有有了结点才会有关系，和之后的属性等。代码如下：frompy2neoimportGraph,

知识图谱知识图谱KnowledgeGraph/Vault，又称科学知识图谱，用各种不同的图形等可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。采用图结构来描述知识，建模事物及事物间关系。提供了一种组织、管理和认知理解海量信息的能力。一、图谱的本质其本质是一种大规模语义网络，既包含了丰富的语义信息，又天然具有图的各种特征，其中，事物或实体属性值表示为“节点”，事物之间的关系或属性表示为“边”。节点可以是实体，如一个人、一部电影等，或是抽象的概念，如人工智能、知识图谱等。边可以是实体的属性，如姓名、电影名，或是实体之间的关系，如朋友、配偶。知识图谱定义为G={

知识图谱知识图谱KnowledgeGraph/Vault，又称科学知识图谱，用各种不同的图形等可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。采用图结构来描述知识，建模事物及事物间关系。提供了一种组织、管理和认知理解海量信息的能力。一、图谱的本质其本质是一种大规模语义网络，既包含了丰富的语义信息，又天然具有图的各种特征，其中，事物或实体属性值表示为“节点”，事物之间的关系或属性表示为“边”。节点可以是实体，如一个人、一部电影等，或是抽象的概念，如人工智能、知识图谱等。边可以是实体的属性，如姓名、电影名，或是实体之间的关系，如朋友、配偶。知识图谱定义为G={

【需求】1：什么需求都紧急，什么需求都重要。2：做之前评估很有意义，做完之后效果平平。3：有些商业指标一直在说优化，投入很多资源。但没次等到上线就出问题，大型活动就降级。出问题就说是别人的问题（无解耦），有效果就是自己的提升。4：总有需求在项目启动中后期要插入，大领导总认为大家在瞎忙活，他那个需求着急且重要。5：需求总是说不清楚，部分产品只是业务或者领导的传话筒，有些需求没法实现，有些需求实现代价很大，没有经过任何科学需求价值分析。（如kano等方法论）6：年度规划很棒，但是限于上述实际原因，每个周期落实的不多。【技术】1：天天都要重构，优化，改善，搞不清楚是经理留下来的研发时间buffer，

【需求】1：什么需求都紧急，什么需求都重要。2：做之前评估很有意义，做完之后效果平平。3：有些商业指标一直在说优化，投入很多资源。但没次等到上线就出问题，大型活动就降级。出问题就说是别人的问题（无解耦），有效果就是自己的提升。4：总有需求在项目启动中后期要插入，大领导总认为大家在瞎忙活，他那个需求着急且重要。5：需求总是说不清楚，部分产品只是业务或者领导的传话筒，有些需求没法实现，有些需求实现代价很大，没有经过任何科学需求价值分析。（如kano等方法论）6：年度规划很棒，但是限于上述实际原因，每个周期落实的不多。【技术】1：天天都要重构，优化，改善，搞不清楚是经理留下来的研发时间buffer，

【需求】1：什么需求都紧急，什么需求都重要。2：做之前评估很有意义，做完之后效果平平。3：有些商业指标一直在说优化，投入很多资源。但没次等到上线就出问题，大型活动就降级。出问题就说是别人的问题（无解耦），有效果就是自己的提升。4：总有需求在项目启动中后期要插入，大领导总认为大家在瞎忙活，他那个需求着急且重要。5：需求总是说不清楚，部分产品只是业务或者领导的传话筒，有些需求没法实现，有些需求实现代价很大，没有经过任何科学需求价值分析。（如kano等方法论）6：年度规划很棒，但是限于上述实际原因，每个周期落实的不多。【技术】1：天天都要重构，优化，改善，搞不清楚是经理留下来的研发时间buffer，

【需求】1：什么需求都紧急，什么需求都重要。2：做之前评估很有意义，做完之后效果平平。3：有些商业指标一直在说优化，投入很多资源。但没次等到上线就出问题，大型活动就降级。出问题就说是别人的问题（无解耦），有效果就是自己的提升。4：总有需求在项目启动中后期要插入，大领导总认为大家在瞎忙活，他那个需求着急且重要。5：需求总是说不清楚，部分产品只是业务或者领导的传话筒，有些需求没法实现，有些需求实现代价很大，没有经过任何科学需求价值分析。（如kano等方法论）6：年度规划很棒，但是限于上述实际原因，每个周期落实的不多。【技术】1：天天都要重构，优化，改善，搞不清楚是经理留下来的研发时间buffer，

1导引我们在博客《联邦学习：联邦场景下的多源知识图谱嵌入》中介绍了联邦场景下的知识图谱嵌入，现在让我们回顾一下其中关于数据部分的细节。在联邦场景下，\(C\)个知识图谱\(\left\{\mathcal{G}_c\right\}_{c=1}^C=\left\{\left\{\mathcal{E}_c,\mathcal{R}_c,\mathcal{T}_c\right\}\right\}_{c=1}^C\)位于不同的客户端上。知识图谱拥的实体集合\(\mathcal{E}_c\)之间可能会存在重叠，而其关系集合\(\mathcal{R}_c\)和元组集合\(\mathcal{T}_c\)之间则不