对Neo4j批量导入结构化数据 / ai #54

在上一篇中我们利用大模型自身的能力来抽取文本中的关系，但是这些默认设置不是很准确。或者数据本身就存在数据库中,已经是结构化的（如 CSV、JSON），就是有逻辑和规律的数据，或者对节点和关系的产生有极其严格的业务逻辑要求，不希望依赖 LLMs 的随机性。那么，这时就可以其自身的特征来直接存入Neo4j图数据库中。

最关键的是要编写明确的 Cypher 语句（推荐用于生产环境、结构化数据）。

from langchain_neo4j import Neo4jGraph
import json

# 假设你的文本数据是一组结构化的实体关系描述
json_data = """
[
    {"source": "张三", "source_type": "Person", "target": "阿里巴巴", "target_type": "Organization", "relation": "就职于", "since": "2020"},
    {"source": "阿里巴巴", "source_type": "Organization", "target": "杭州", "target_type": "Location", "relation": "总部位于", "since": "1999"}
]
"""
data_list = json.loads(json_data)

graph = Neo4jGraph(url="bolt://localhost:7687", username="neo4j", password="password")

# 节点与关系的处理与写入（通过 Cypher 模版）
# 在 Neo4j 中，处理节点和关系的核心原则是 去重与合并 (MERGE)。如果使用 CREATE，每次运行都会创建重复的节点；而 MERGE 相当于 “存在则匹配，不存在则创建”。
# 我们可以利用 Neo4jGraph.query 方法，将数据作为参数传进去批量执行：
# 2.1 编写精细化的 Cypher 动态写入模板
# 注意：因为 Neo4j 标签(Label)和关系类型(Type)不能动态参数化，
# 建议在业务逻辑清晰时，针对不同的节点类型写不同的 Cypher，或者使用类似 APOC 的动态扩展。
cypher_query = """
UNWIND $data AS row
// 1. 处理源节点（去重创建）
MERGE (source:Entity {name: row.source})
ON CREATE SET source.type = row.source_type

// 2. 处理目标节点（去重创建）
MERGE (target:Entity {name: row.target})
ON CREATE SET target.type = row.target_type

// 3. 处理关系与动态属性 (这里为了兼容动态关系，使用 APOC 插件，若未装 APOC，关系名需固定)
CALL apoc.create.relationship(source, row.relation, {since: row.since}, target) YIELD rel
RETURN count(*)
"""

# 2.2 执行写入
graph.query(cypher_query, params={"data": data_list})
print("图谱数据导入成功！")


# 补充下，增加数据的cypher语句
graph.query(
"""
MERGE (m:Movie {title:'Top Gun'})
WITH m
UNWIND ['Tom Cruise', 'Val Kilmer', 'Anthony Edwards', 'Meg Ryan'] AS actor
MERGE (a:Actor {name:actor})
MERGE (a)-[:ACTED_IN]->(m)
"""
)

到Neo4j数据库中查看相关数据

Cypher语句的核心设计解析

• UNWIND 展开机制：
  数据中的 symptom、check 等字段是数组（如 ["紫绀", "胸痛"]）。Cypher 无法直接把数组连向一个节点。我们使用 WITH row, d UNWIND row.symptom AS sym_name，将数组拍平循环，一条条地为每个症状创建节点并连线。

• MERGE 保证幂等性：
  比如“内科”这个科室，不仅“肺泡蛋白质沉积症”有，“感冒”也有。使用 MERGE (dept:Department {name: dept_name}) 可以确保整个数据库里只有一个名叫“内科”的节点，所有相关的疾病都会连向它。

• 关系语义化：
  通过 -[:HAS_SYMPTOM]->、-[:NEED_CHECK]-> 明确了图谱中边的含义，这对于后续构建 GraphCypherQAChain 时，大模型理解和生成正确的 Cypher 提问至关重要。