neo4j-community-3.5.12-windows.zip neo4j的windows社区版安装包，下载后复制到服务器解压后配置环境变量，具体参照博客

从建立数据仓库到构建数据结构，再到加速人工智能，知识图谱在当今市场上提供了强大的竞争优势。本书对如何构建和使用知识图谱及其对创新的重要性做了详细阐述。这本书是希望自己的数据更加智能的商业领袖和数据专业人士必读之作。

neo4j-php包用于php连接neo4j

Neo4j 社区版 org.neo4j/neo4j/3.5.0/neo4j-3.5.0.jar

电影示例应用 如何一起使用Spring Boot，Spring Data和Neo4j。 Spring Data Neo4j可以在基于Spring的应用程序中方便地集成Neo4j。 它提供了对象图映射（OGM）功能以及Spring Data项目共有的其他功能。 笔记 该项目使用Spring Data Neo4j6。仍然可以在下访问使用SDN 5 + OGM的先前版本。分支。 笔记 有关具有相同数据集的Spring Data Neo4j 6的更广泛概述，可以访问分支。 上详细描述了示例项目。 该项目使用Java 11。 堆栈 这些是我们的Web应用程序的组件： 应用程序类型：Spring-Boot Java Web Application Web框架：启用Spring-Boot的Spring-WebMVC 持久性访问：Spring-Data-Neo4j 6.x 数据库：Ne

spark-git-to-neo4j 该存储库包含从git提取的数据，该数据将使用Spark插入Neo4j中。

附件是neo4j大批量导入数据的例子脚本，可以通过脚本对数据进行批量导入，数据格式csv，也可以通过neo4j-shell，执行import_csv.cypher文件里的命令进行导入。

中国有句老话，叫物以类聚，人以群分，在反作弊和市场营销等应用中，如果我们能根据用户间的某些联系发现社群，然后对这些社群进行反作弊分析或商品推荐，往往会起到意想不到的效果。本文就来介绍一个简单的社群发现的实践。构建社群我们首先需要找到社群用户的某种联系，上文提到的收徒模式本身就是用户间的一个天然联系，我们可以根据用户的师徒关系来构建社群。如下图所示，根据师徒关系我们构建了一个社群，点表示用户，边表示师徒关系。有了这样的社群之后，我们就可以基于社群维度分析设备及用户行为的异常，比如单个设备登陆过多的用户，设备一直处于充电状态，所有用户行为高度一致等，同时可以计算社群用户作弊率来通过已知作弊用户来发

教育学科知识图谱及问答 功能主要包括学科知识图谱以及题目知识点追踪、关系查询、问答及知识点预测等。 前端页面参考：https://github.com/qq547276542/Agriculture_KnowledgeGraph，在此表示非常感谢。 此项目也参考了作者之前的电影图谱：https://github.com/jiangnanboy/movie_knowledge_graph_app，具体细节可参考此项目。 准备数据及构建实体及关系 数据为知识点和题目，利用neo4j进行构建。构建方式如https://github.com/jiangnanboy/movie_knowledge_graph_app。 项目结构 . │ │   ├── edu_kg // django项目路径 │   ├── Model // 模型层，用于和neo4j交互，实现查询等核心功能 │

Neo4j GraphQL 库（graphql--neo4j-introspector-1.0.1.zip） 源代码。 Neo4j GraphQL 库是一个高度灵活、低代码、开源的 JavaScript 库，可通过利用连接数据的力量为跨平台和移动应用程序实现快速 API 开发。 使用 Neo4j 作为图形数据库，GraphQL 库使应用程序可以轻松地将应用程序数据从前端一直到存储都视为原生图形，避免重复的模式工作并确保前端和后端开发人员之间的完美集成. 该库的模式优先范式以 TypeScript 编写，让开发人员可以专注于他们需要的应用程序数据，同时负责构建 API 所涉及的繁重工作。