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。

neo4j-community-4.3.10-windows.zip

Neo4jCn56 将ConceptNet5.6导入Neo4j 3.4.1。 使用Neo4j遍历框架从conceptNet提取路径。

该项目是通过引导的。 可用脚本 在项目目录中，可以运行： npm start 在开发模式下运行应用程序。 打开在浏览器中查看它。 如果您进行编辑，则页面将重新加载。 您还将在控制台中看到任何棉绒错误。 npm test 在交互式监视模式下启动测试运行器。 有关更多信息，请参见关于的部分。 npm run build 构建生产到应用程序build文件夹。 它在生产模式下正确捆绑了React，并优化了构建以获得最佳性能。 最小化内部版本，文件名包含哈希值。 您的应用已准备好进行部署！ 有关更多信息，请参见关于的部分。 npm mock 运行模拟服务器，如果已准备就绪，请访问http://localhost:3031以测试api npm run eject 注意：这是单向操作。 eject ，您将无法返回！ 如果您对构建工具和配置选择不满意，则可以随时eject 。 此命令将从

图数据库Neo4j ——大数据时代的新利器

图数据库--大数据时代的新利器.pptx,讲了目前neo4j在行业内的影响，以及基本概念。

neo4j-etl：将数据从关系数据库导入Neo4j

Neo4j（Nosql之一）是一个高性能的图数据库(不支持分布式)， 在社交关系中经常用到。关于Neo4j的介绍，网上多的是， 故不再赘述。来简要说说安装： 1.安装jdk,不多说： ubuntu@VM-0-15-ubuntu:~$ java -version openjdk version 1.8.0_151 OpenJDK Runtime Environment (build 1.8.0_151-8u151-b12-0ubuntu0.16.04.2-b12) OpenJDK 64-Bit Server VM (build 25.151-b12, mixed mode) 2. 从官网下

DouBanRecommend 基于豆瓣图书的推荐、知识图谱与知识引擎简单构建neo4j 本项目主要贡献源来自豆瓣爬虫（数据源）、知识图谱引擎、中内嵌的推荐算法。 主要拿来做练习，数据来源可见。 练习内容： 豆瓣图书推荐 + 搜索模块 豆瓣图书知识库简单应用（Neo4j的使用） 推荐与搜索模块再结合豆瓣内部的API就更加牛逼~~~！（） 20210130 更新 将book_excel.csv压缩成book_excel.zip放在文件夹book_recomend下面 一、数据整理 简单的把爬虫数据进行简单的整理。主要做了一下针对每本书的评分，数据源中有两个值得用的字段：豆瓣书籍评分 + 书籍阅读人数，先等级化，然后进行平均，简单的得到了该书籍的得分。 # 把豆瓣读书评分 / 豆瓣读书人群数量 进行分箱 book_excel_all['rank_rank'] = pd.qcut(book_ex