一、python环境准备
可详细参考使用Python操作nNeo4j中python环境的搭建。
主要python库如下：
复制二、数据准备
数据一共有4列，381行，命名为triples.csv：
- source：实体起点。比如Alice指向Bob，Alice是起点，箭头开始的位置。
- target：实体起点。比如Alice指向Bob，Bob是终点，箭头终止的实体。
- relation：实体间的关系。实体A与实体B的关系，但是要注意，实体关系是有指向的。比如A是B的父亲，A指向B；B是A的儿子，此时就是B指向A。
- label：标签。会将target列的实体打标签，一个实体可以有多种标签，可以类别一个人是有多重身份的。
数据解释示例：
“贾代善”是“贾源”的son，“贾代善”的标签是“子”；
“贾母”是“贾代善”的wife，“贾母”的标签是“妻”；
三、代码编写
3.1 基础库的导入
复制csv库用来读取triples.csv文件；
py2neo用来连接neo4j图数据库。
3.2 连接neo4j数据库
复制此行代码连接了neo4j图数据库，连接方式为bolt，由Neo4j图形数据库团队创作，主要用于执行数据库查询。
当然，也可以通过http协议进行连接，连接代码如下：
复制3.3 读取数据文件
复制读取triples.csv文件，'r'表示read，读取文件，'encoding'表示数据编码为utf-8。
使用csv.reader形成基于文件的迭代器对象，简单来说就是可以通过reader遍历每一行数据。
for item in reader就是遍历每一行数据。
由于数据有表头，因此首行不计入实体关系的建立。
3.4 定义实体与关系
对于基础语法，可参考：使用Python操作Neo4j
复制item表示某行数据，以首行数据为例：
item[0]表示贾代善，item[1]表示贾源，item[2]表示son，item[3]表示子。
start_node定义为起始实体，实体的标签定义为Person，name定义为source列的数据；
end_node定义为终止实体，实体的标签定义为Person，name定义为target列的数据；
relation定义为start_node与end_node的关系item[3]。
对于以下代码，表示在标签为 Person 的节点中，通过 name 属性值匹配 start_node。
复制3.5 完整代码如下
复制四、图数据库查看
打开neo4j图数据库：http://localhost:7474/browser/
可以看到一共形成了388个实体，多种实体关系；
以贾宝玉实体为例，可以看到其复杂的人物关系。
五、图数据库扩展使用方向
在我们形成知识图谱后，如何来应用呢？
在当前大模型不断发展的情况下，可以考虑将复杂的关系喂给大模型，让大模型自动分析，给出我们想要的结论。
