【知识图谱】实现知识图谱——Python

在这个由两部分组成的系列的第一部分（链接到第一部分）中，我们看到了如何使用知识图来模拟思维过程。在这部分，让我们把手弄脏！😄

我们将使用一个名为Cayley的开源图形数据库作为KG后端。根据您的操作系统，从这里获取最新的二进制文件。下载后，转到根目录并找到cayley.yml文件。如果它不存在，请创建它。应该有一个cayley_example.yml文件来指导您。该文件是cayley的配置文件。该文件的一个重要用途是设置存储图形的后端数据库。有几个选项可用（请参阅文档）。我们将使用MySQL作为数据库。我假设你已经安装了MySQL。如果没有，安装它非常简单（谷歌：P）。现在，请确保您的cayley.yml文件如下所示：（将<your_root_password>替换为MySQL根的实际密码，并将<your_database_name>替换为数据库名称。

cayley.yml:

store:
  # backend to use
  backend: "mysql"
  # address or path for the database
  address: "root:<your_root_password>#@tcp(localhost:3306)/<your_database_name>"
  # open database in read-only mode
  read_only: false
  # backend-specific options
  options:
    nosync: false
query:
  timeout: 30s
load:
  ignore_duplicates: false
  ignore_missing: false
  batch: 10000

now let’s start our graph I am using windows so exact commands might differ from Mac and Linux. You can see (this file):

打开命令提示符/terminal，转到cayley根目录，并在terminal中键入以下内容：

cayley init

Cayley将自动检测Cayley.yml文件中的配置并建立数据库。现在要加载一个图形数据库，我们需要了解一种叫做“模式”的东西。

模式是表示信息的一种特定方式。例如，JSON（JavaScript对象表示法）就是模式的一个例子。有关模式的更多信息，请访问Schema.org的网站。在这里，我们将使用一个名为“N-quads”的模式。有关N-quad的更多信息，请点击此处。

在上面的示例N-quad文件中，我们有一个类似的模式：<person><follows><person><status>。这意味着两个＜person＞是图的节点，＜followes＞是它们之间的“方向关系”<status>是可选的，并对关系进行了更多描述。

现在，下一步是将其加载到我们的MySQL数据库中。要执行此操作，请运行：

cayley load -i <path_to_nquads_file>

将<path_to_quads_file>替换为N-quads文件的相对路径。制作一个N-quad文件很容易。只需在N-quad模式中写入并使用“.nq”扩展名保存即可。

将图形加载到cayley后，您可以运行一个web实例，使用gizmo查询语言（这并不难理解）与您的KG进行交互和可视化。运行：

cayley http

Go to localhost:64210 on your browser and you can see something like this:

您可以在此处键入任何查询以与您的KG交互。示例查询为：

g.V().All()

这意味着获取图形对象“g”的所有顶点。有关查询语言的更多信息，请点击此处。

您还可以在web应用程序中可视化图形。阅读文档以便能够做到这一点。

现在是有趣的部分（没有人告诉你）：

我们使用Cayley图数据库和MySql实现了一个简单的知识图。我们可以在不使用网络应用程序的情况下远程与此图形交互吗？对Cayley向API端点公开图形：http://127.0.0.1:64210/api/v1/query/gizmo

我们可以使用python“requests”库来进行POST请求，并在任何需要的地方查询Graph（Cayley应该在后台运行以提供API端点）。

import requests
import jsonquery = "g.V().All()"
endpoint = "http://127.0.0.1:64210/api/v1/query/gizmo"
response = requests.post(endpoint, data=query)#the response is a JSON object
json_response = response.json()
print(json_response)

在Jupyter Notebook中运行上面的代码，您应该能够看到API的JSON响应并使用它！

那都是人！希望你喜欢这个。