Neo4j安裝部署及python連接neo4j操作

1. Neo4j安裝和環境配置
   安裝依賴庫：
   sudo apt-get install wget curl nano software-properties-common dirmngr apt-transport-https gnupg gnupg2 ca-certificates lsb-release ubuntu-keyring unzip -y
   增加Neo4 GPG key：
   curl -fsSL https://debian.neo4j.com/neotechnology.gpg.key | sudo gpg --dearmor -o /usr/share/keyrings/neo4j.gpg
   添加Neo4j倉庫：
   echo “deb [signed-by=/usr/share/keyrings/neo4j.gpg] https://debian.neo4j.com stable latest” | sudo tee -a /etc/apt/sources.list.d/neo4j.list
   更新倉庫源并安裝Neo4j：
   sudo apt-get update && sudo apt-get install neo4j -y
   啟用Neo4j；
   sudo systemctl enable --now neo4j
   允許外部連接：
   sudo nano /etc/neo4j/neo4j.conf
   修改內容：server.default_listen_address=0.0.0.0
   重啟服務：
   sudo systemctl restart neo4j
   修改系統Host文件：
   sudo nano /etc/hosts
   添加上主機的ip地址和主機名

訪問主機或者服務器的7474端口，登陸neo4j

2.實現簡單的圖數據庫
以Kaggle上的arXiv數據集(https://www.kaggle.com/datasets/Cornell-University/arxiv)為實驗數據
下載后，文件默認為json文件（arxiv-metadata-oai-snapshot.json）

通過以下代碼讀取數據：

數據結構如下圖所示：

將數據簡化，留下id作為唯一索引，主要屬性title、authors_parsed、categories：

考慮到數據龐大，測試采用在線版的Neo4j Sandbox，創建的鏈接可以保留3天
創建一個空白的sanbox，得到Bolt URL及其端口號：

利用python連接到Neo4j并將數據存儲到數據庫：

在數據庫中創建約束，以確保節點不重復，并設置索引：
conn.query(‘CREATE CONSTRAINT papers IF NOT EXISTS FOR (p:Paper) REQUIRE p.id IS UNIQUE’)
conn.query(‘CREATE CONSTRAINT authors IF NOT EXISTS FOR (a:Author) REQUIRE a.name IS UNIQUE’)
conn.query(‘CREATE CONSTRAINT categories IF NOT EXISTS FOR (c:Category) REQUIRE c.category IS UNIQUE’)

創建三個函數，用于為類別和作者節點創建數據框架：

使用以下函數添加paper節點以及所有關系：

采用批處理將處理加載到neo4j中：

最后，在neo4j Sandbox中執行MATCH操作，得到graph，例如
MATCH (a:Author)-[:AUTHORED]->(p:Paper)-[:IN_CATEGORY]->(c:Category) RETURN a, p, c LIMIT 30

通過以下代碼可以直接在python中進行和上面一樣的MATCH查詢，并返回結果：

query_string = '''
MATCH (a:Author)-[:AUTHORED]->(p:Paper)-[:IN_CATEGORY]->(c:Category) RETURN a, p, c LIMIT 30
'''
top_cat_df = pd.DataFrame([dict(_) for _ in conn.query(query_string)])
top_cat_df.head(20)