简介一份基于Neo4j构建《水浒传》人物关系图谱并进行智能问答的Python毕业设计资源主要面向计算机、人工智能、信息管理等相关专业的本科生和开发者可用于课程设计、期末项目或毕业设计参考。压缩包共237个文件大小约23.56MB涵盖Python源码8个py、前端样式与脚本css/js、数据与配置json/xml、文档pdf/pptx/md以及图片素材jpg/png等其中zbak为数据库备份文件可直接导入Neo4j还原图谱数据。项目采用FlaskEChartsNeo4j架构包含实体关系抽取、Cypher复杂路径查询、自然语言问答接口等模块并附Docker部署指南、接口说明和答辩PPT。源码经过多轮调试结构清晰便于二次扩展。已有71人学习适合需要完整图数据库应用范例的学习者。1. 水浒传人物关系的隐性网络为什么用Neo4j图谱承载智能问答《水浒传》一百单八将的人物关系远比“梁山好汉”四个字复杂。宋江既是梁山一把手又是一大群人的结义兄长林冲和鲁智深是生死之交却一个身在官场、一个浪迹江湖。放进关系型数据库查“林冲认识的所有人”还能靠 JOIN 凑合查“宋江二度人脉里有谁”就得写一长串递归子查询基本没法维护。Neo4j 把人物变成节点、把关系变成边路径查询变成 Cypher 的一行 MATCH再叠一层智能问答用户问“宋江的师傅是谁”系统解析意图、转成图查询、直接返回答案。做这个项目的关键路径就是先装好 Neo4j再做水浒传人物关系图谱构建最后把问答链路跑通。它不需要大规模分布式图计算适合后端、数据和刚接触知识图谱的工程师能在一个周末内看到完整成果。2. Neo4j安装与配置从社区版选择到Cypher首条查询Neo4j 的安装方式不少但多数教程不会告诉你跑这个规模的图谱最省事的不是桌面版而是社区版解压即用。下面从安装选型开始讲到两个必改的配置参数最后用三条 Cypher 把“宋江—武松”写进数据库把环境先立住。2.1 安装方式怎么选社区版、桌面版、Docker 与云服务对于水浒传这个量级几百个节点、几千条关系任何部署形态都跑得动真正影响体验的是后续调试和导入的方便程度。我一般这样选安装方式适用场景主要成本备注社区版 tar 包本地学习、小项目需要自己配 Java 环境本文采用Neo4j Desktop图形化操作、多版本切换占用资源较多非企业用户首选Docker 容器快速起环境、清理方便数据持久化要挂载 volume适合写 demo托管云服务免运维、高可用按量付费团队协作时才考虑Neo4j 社区版下载时认准官方下载页的 Community 版本不要下成企业版安装包企业版需要许可证。社区版包含完整的 Cypher 引擎和图算法基础库对图谱构建和问答系统来说完全够用。如果你的机器上还没有 JDK先装一个 JDK 17Neo4j 5.x 依赖它运行这一步卡住的人不在少数。2.2 neo4j.conf 里最重要的两个内存参数与启动验证解压后进conf/neo4j.conf把下面两行配置打开。对刚上手 Neo4j 的菜鸟来说最容易踩的坑是 pagecache 给太小导致导入较大 CSV 时磁盘 I/O 明显变高整个导入过程慢得像是卡死。# conf/neo4j.confNeo4j 5.x 参数名 server.memory.heap.initial_size512m server.memory.heap.max_size1g server.memory.pagecache.size1g # 前台模式启动日志直接打到终端便于观察错误 bin/neo4j consoleheap.initial_size和heap.max_size对应 JVM 堆内存影响查询时的排序、聚合和结果集缓存pagecache.size是 Neo4j 自己的页缓存专门缓存节点、关系和属性建议设置为物理内存的 1/4 到 1/2本机测试 1g 足够。启动日志出现Started.后浏览器访问http://localhost:7474默认账号密码是neo4j/neo4j首次登录会强制改密。不想开浏览器的话也能用命令行改bin/cypher-shell -u neo4j -p neo4j ALTER CURRENT USER SET PASSWORD FROM neo4j TO your-strong-password;注意这是教学演示现实环境里不要把明文密码直接放在命令行参数中否则会留在 shell 历史里。2.3 首条 Cypher把宋江和武松写进图里Neo4j 使用上最有价值的技能是 Cypher它跟 SQL 一样是声明式语言但把“关系”当一等公民。下面三条命令把“宋江—武松结义”建出来// 先建唯一约束保证后续 MERGE 不会产生重复节点5.x 语法 CREATE CONSTRAINT person_name IF NOT EXISTS FOR (p:Person) REQUIRE p.name IS UNIQUE; // 创建两个人物节点属性里放正名和绰号 CREATE (sg:Person {name: 宋江, nickname: 及时雨}); CREATE (ws:Person {name: 武松, nickname: 行者}); // 建立结义关系关系方向从宋江指向武松 MATCH (a:Person {name: 宋江}), (b:Person {name: 武松}) CREATE (a)-[:SWORN_BROTHER {since: 孔家庄聚义}]-(b);关系的方向在查询时可以忽略Neo4j 把有向边存下来但 MATCH 时不带箭头也能无向匹配到关系上的属性since在后续问答中可以作为补充信息返回。CREATE CONSTRAINT是 5.x 写法旧版语法是CREATE CONSTRAINT ON (p:Person) ASSERT p.name IS UNIQUE网上很多教程仍用旧语法照抄会报错。下面这张表是后续章节会反复用到的 Cypher 子句对照子句作用最小示例MATCH按模式匹配节点和关系MATCH (n) RETURN nWHERE给匹配加过滤条件WHERE p.name 宋江CREATE无条件创建节点或关系CREATE (n:Person {name:李逵})MERGE有则查、无则建MERGE (p:Person {name:宋江})RETURN返回结果给客户端RETURN p.nameORDER BY / LIMIT排序和限量ORDER BY degree DESC LIMIT 102.4 用 Neo4j Browser 验证图谱写完三条命令后在 Browser 里执行MATCH (n:Person) RETURN n立刻能看到两个节点和一条边拖动节点能调整布局关系上的SWORN_BROTHER标签也会直接显示。Browser 里传参建议用$param而不是字符串拼接避免引号转义问题MATCH (p:Person) WHERE p.name $name RETURN p参数栏里填{name: 宋江}。这一步跑通了说明 Neo4j 安装与配置没有问题后续全量数据导入只是把这个流程放大而已。3. 水浒传人物关系图谱构建从文本共现抽取到LOAD CSV导入图谱构建的核心不在 Neo4j而在建模和数据整理。很多教程一上来就贴 LOAD CSV但没讲清楚节点和关系为什么这样设计。这一章先讲建模再用 Python 从原著文本里抽取人物共现关系最后把生成的 CSV 批量导入 Neo4j顺序走完才是完整的水浒传人物关系图谱构建流程。3.1 先建模人物、别名、事件、关系类型怎么设计水浒传人物关系图谱的最小可用模型是人物节点和关系边。人物节点用正名做主键绰号和别名字段放原生属性里问答系统做实体识别时能少做一次映射。关系类型用英文大写是社区习惯避免中文标识符在某些驱动里出现编码问题。// 人物主节点name 是唯一键alias 存别名字号 (:Person {name: 宋江, alias: [宋公明, 及时雨, 呼保义], rank: 1}) // 事件节点把“智取生辰纲”这类多人共同参与的事件建模为节点 (:Event {name: 智取生辰纲}) // 关系人物到人物、人物到事件 (:Person)-[:SWORN_BROTHER {since: 孔家庄聚义}]-(:Person) (:Person)-[:PARTICIPATED_IN]-(:Event)事件节点是知识图谱构建里常见的建模技巧如果只存人物到人物的边很多“共同参与某事”的关系会被拆成两两之间的边边的数量爆炸且语义丢失。建一个 Event 节点把参与人全部挂上去之后回答“谁参与了智取生辰纲”就只需要匹配一条PARTICIPATED_IN边。关系类型含义典型例子SWORN_BROTHER结义兄弟宋江—武松、林冲—鲁智深SUPERIOR_OF上下级关系宋江—吴用SPOUSE_OF夫妻关系王英—扈三娘MENTOR_OF师徒关系史进—王进ENEMY_OF敌对关系武松—西门庆PARTICIPATED_IN参与某事件晁盖—智取生辰纲3.2 用 Python 从原著文本抽取人物共现关系文本抽取最简单的做法是“窗口共现”一句话或相邻若干词内两个人物同时出现就算一次关系信号。这个假设很粗糙但足以生成一张可分析的初始网络之后再人工修正关键边。import re import csv import jieba from collections import Counter names [宋江, 吴用, 林冲, 鲁智深, 武松, 李逵, 史进, 杨志] # 108将配角 names_set set(names) jieba.load_userdict(person_dict.txt) # 每行一个词人名 词频 词性 with open(shuihu.txt, encodingutf-8) as f: text f.read() # 按句切分避免跨句共现产生太多噪音 sentences re.split(r[。\n], text) window 6 edge_counter Counter() for sent in sentences: words [w for w in jieba.lcut(sent) if w in names_set] for i, w1 in enumerate(words): for w2 in words[i 1: i 1 window]: if w1 ! w2: key tuple(sorted([w1, w2])) # 无向边两个方向算一次 edge_counter[key] 1 # 过滤低频边输出导入文件 with open(edges.csv, w, encodingutf-8, newline) as f: writer csv.writer(f) writer.writerow([source, target, weight]) for (src, tgt), weight in edge_counter.items(): if weight 3: writer.writerow([src, tgt, weight])window参数控制共现范围设成 2 到 3 只能抓到直接相邻的人物设成 8 到 10 会产生大量无意义同现我一般先试 5 到 6再根据图谱密度调整。权重阈值设成 3表示至少在同一窗口共现 3 次才成边目的是去掉偶然因素。person_dict.txt是 jieba 的自定义词典格式为“词 词频 词性”比如“宋公明 1000 nr”这样分词时不会把“宋公明”拆成“宋”和“公明”。3.3 LOAD CSV 批量导入MERGE 建点、CREATE 建边Python 这一步会生成edges.csv接下来把它导入 Neo4j。先把文件放到 Neo4j 安装目录的import/下然后执行CREATE CONSTRAINT person_name IF NOT EXISTS FOR (p:Person) REQUIRE p.name IS UNIQUE; USING PERIODIC COMMIT 500 LOAD CSV WITH HEADERS FROM file:///edges.csv AS row MERGE (a:Person {name: row.source}) MERGE (b:Person {name: row.target}) CREATE (a)-[:CO_OCCUR {weight: toInteger(row.weight)}]-(b);MERGE是“有则查、无则建”配合唯一约束可以避免重复创建同一人物节点CREATE直接建边因为CO_OCCUR是共现信号而不是真实语义关系允许重复边存在后面做统计时正好按weight聚合。USING PERIODIC COMMIT 500每 500 行提交一次避免大文件把事务内存撑爆。注意LOAD CSV 的路径不能写绝对路径常见做法是把文件放在$NEO4J_HOME/import目录下FROM 子句写成file:///文件名.csv。导入完成后检查有没有因空格或繁简体不一致产生的“双胞胎节点”。CSV 里如果有多余空格LOAD CSV 不会报错但会生成“宋江 ”和“宋江”两个节点后面问答必然翻车。3.4 三个验证查询度数分布、孤立点、最短路径导入完成后立刻验证图结构。第一个查哪些人物在图中连接最多识别核心节点第二个查孤立点通常是别名没归一化造成的“幽灵节点”第三个验证林冲到鲁智深的可达性// 按度数排序前 10 名应该是宋江、吴用、林冲等核心人物 MATCH (p:Person) RETURN p.name, count{}(p)--() AS degree ORDER BY degree DESC LIMIT 10; // 找到没有任何关系的孤立人物 MATCH (p:Person) WHERE NOT (p)--() RETURN p.name; // 找林冲到鲁智深的最短路径限制在 4 跳以内 MATCH (a:Person {name: 林冲}), (b:Person {name: 鲁智深}), p shortestPath((a)-[*..4]-(b)) RETURN p;验证场景查询要点期望结果网络中心度按count{}统计度数排序宋江、吴用、林冲在前列数据完整性找NOT (p)--()的节点没有或极少孤立点路径连通性shortestPath限制跳数返回一条合理路径count{}是 Neo4j 5.x 的 pattern counter 写法旧版本写size((p)--())。如果孤立点很多几乎必然是别名未合并回到 3.2 节的词典和阈值重新处理文本比在 Cypher 里手工补边高效得多。4. 智能问答系统实现意图识别、模板映射与Cypher执行图谱建好了智能问答系统的本质是把自然语言问题翻译成图查询。我通常不引入复杂的语义网栈或大模型先用“实体识别 意图模板”把链路打通这套方案对几百个节点的知识图谱足够可靠跑通了再考虑替换组件。真正影响问答效果的不是模型而是图谱里的关系类型是否覆盖了用户的问题空间。4.1 问答链路四层实体、意图、模板、执行整个系统是四层流水线用户问题先进实体抽取层从问题里找出“宋江”“鲁智深”等人物再进意图分类层判断问题问的是结义、师徒、上下级还是两人关系随后模板层把实体和意图拼成一个 Cypher 模板最后执行层查询 Neo4j把记录转成自然语言答案。问题类型意图 keyCypher 模板示例问题结义查询SWORN_BROTHERMATCH (p:Person {name:$name})-[:SWORN_BROTHER]-(r) RETURN r.name AS name宋江的结拜兄弟有哪些上下级查询SUPERIOR_OFMATCH (p:Person {name:$name})-[:SUPERIOR_OF]-(boss) RETURN boss.name AS name吴用的领导是谁师徒查询MENTOR_OFMATCH (p:Person {name:$name})-[:MENTOR_OF]-(r) RETURN r.name AS name史进的师傅是谁两人关系RELATIONMATCH (a:Person {name:$a})-[r]-(b:Person {name:$b}) RETURN type(r)宋江和吴用什么关系路径查询PATHMATCH p shortestPath((a:Person {name:$a})-[*..6]-(b:Person {name:$b})) RETURN p李逵怎么联系到宋江从模板可以看出所有用户输入都通过$name、$a、$b参数占位符传入不能把问题字符串直接拼进 Cypher 语句。这样做的目的不仅是防止注入更是为了模板的可复用性——同一个模板只要换参数值就能回答一整类问题。4.2 实体识别层水浒传的人名别名表智能问答的知识范围由图谱决定而别名是最常见的翻车点。用户可能问“宋公明”而不是“宋江”“花和尚”指向鲁智深而不是其他人。这个规模的项目不需要训练 NER 模型用静态别名表做最大匹配即可alias_map { 宋江: [宋江, 宋公明, 及时雨, 呼保义], 鲁智深: [鲁智深, 鲁达, 花和尚], 武松: [武松, 行者], 林冲: [林冲, 豹子头], } def extract_entities(question: str): found [] for name, aliases in alias_map.items(): if any(a in question for a in aliases): found.append(name) return list(set(found))这个方案是字典驱动的规则简单、速度无压力。实现时要注意别名之间的包含关系比如“宋清”包含“宋”字但不能匹配成“宋江”所以alias_map里要写全称别名而不是前缀。更复杂的场景可以换成 spaCy 的 NER 模型训练数据就是人物名录和原著上下文但那是后话先把链路跑通更重要。4.3 意图识别与槽位填充规则优先模板兜底意图识别也用关键词规则。水浒传问答的提问方式相对固定“师傅”“结拜”“领导”“什么关系”这些词足以覆盖绝大多数问题intent_keywords { 师傅: MENTOR_OF, 师父: MENTOR_OF, 结拜: SWORN_BROTHER, 兄弟: SWORN_BROTHER, 领导: SUPERIOR_OF, 上司: SUPERIOR_OF, 关系: RELATION, 怎么联系: PATH, 怎么认识: PATH, } def classify_intent(question: str): for kw, intent in intent_keywords.items(): if kw in question: return intent return UNKNOWN注意“兄弟”一词的覆盖范围水浒传里的“兄弟”有时是泛称并非全部指结拜关系。如果图谱里只存了 SWORN_BROTHER 关系问“梁山兄弟有哪些”会查不到数据这时答案组装层要给出兜底话术而不是报错。关键词匹配的优先级按字典顺序取第一个命中所以把“师傅”放在“关系”前面避免“师傅是什么关系”这类问题被误判。4.4 执行查询与答案组装参数化 Cypher 与兜底话术查询执行用官方 Python 驱动模板里的参数占位符在运行时通过参数 dict 传入from neo4j import GraphDatabase CYPHER_TEMPLATES { MENTOR_OF: MATCH (p:Person {name:$name})-[:MENTOR_OF]-(r) RETURN r.name AS name, SWORN_BROTHER: MATCH (p:Person {name:$name})-[:SWORN_BROTHER]-(r) RETURN r.name AS name, SUPERIOR_OF: MATCH (p:Person {name:$name})-[:SUPERIOR_OF]-(boss) RETURN boss.name AS name, RELATION: MATCH (a:Person {name:$a})-[r]-(b:Person {name:$b}) RETURN type(r) AS rel_type, } class WaterMarginQA: def __init__(self, uri, auth): self.driver GraphDatabase.driver(uri, authauth) def answer(self, question: str): entities extract_entities(question) if not entities: return 没有识别到水浒传人物换个说法试试。 intent classify_intent(question) template CYPHER_TEMPLATES.get(intent) if template is None: return 我能回答结义、师徒、上下级这类人物关系问题。 params {name: entities[0]} if intent RELATION and len(entities) 2: params {a: entities[0], b: entities[1]} with self.driver.session(databaseneo4j) as session: records list(session.run(template, **params)) if intent RELATION: types sorted({r[rel_type] for r in records}) return 两人之间存在关系 、.join(types) if types else 图谱里没有直接关系。 names sorted({r[name] for r in records}) return 、.join(names) if names else 图谱里没有查到相关关系。driver是一个进程内只初始化一次的单例session和transaction用完即关。所有用户输入都通过**params传入禁止用格式化字符串把问题拼进 Cypher否则等于把图数据库暴露给注入攻击。答案组装时对结果做了排序和去重保证即使图谱里有重复或者方向不一致的边输出句式也是稳定的。这一步完成后一个基于 Neo4j 的智能问答系统就能在命令行里跑起来了。注意模板里的$name是参数占位符运行时通过params传入查询语句本身和用户输入完全隔离。这是 Neo4j 使用上必须养成的习惯比任何防注入框架都直接。5. 图谱与问答系统排错三个必查的坑位和回归验证方法5.1 别名没归一化问答直接答非所问实际抽取出来的文本里“鲁达”和“鲁智深”同时存在“宋江”“宋公明”也混着出现。如果图谱中只有name: 鲁智深用户问“鲁达的师傅是谁”实体识别层匹配不到任何节点问答系统只能兜底。解决方式有两种把别名数组补到节点属性上让 Cypher 查询时展开属性匹配或者在实体抽取层做归一化把所有别名统一替换成主名。我推荐后者因为前者会让查询里到处是UNWIND别名数组的代码而且必须依赖索引才能快起来。5.2 共现不等于真实关系阈值和人工修正双管齐下文本抽取出来的CO_OCCUR边只表示“两个人物在相近位置出现过”并不等于“武松和店小二有结义关系”。导入后要人工审核核心人物周围的边对“宋江—李逵”这类关键关系手动加一条SWORN_BROTHER边并标注出处对明显噪音边直接删除。常见做法是共现边保留weight真实关系用单独的关系类型存查询时只查确认过的类型。这样问答系统回答的是经过确认的关系而不是统计噪声。5.3 模板覆盖不到的提问不要硬答规则问答的天花板是模板覆盖度。“宋江和晁盖什么关系”可以用 RELATION 模板回答“梁山谁最讲义气”这类问题没有固定图模式硬套模板必然返回错误结果。我的原则是答不上来就兜底不编答案。可以给兜底话术加一个超链接或提示引导用户把问题改成“宋江的结拜兄弟”这类图查询可覆盖的句式。5.4 用黄金测试集和 EXPLAIN 做回归验证问答系统的正确性要靠测试集兜住不能每次改完代码手动敲问题验证。把问答逻辑固化成 pytest 用例def test_sworn_brother_question(): qa WaterMarginQA(bolt://localhost:7687, (neo4j, password)) ans qa.answer(宋江的结拜兄弟有哪些) assert 武松 in ans def test_alias_question(): assert 王进 in qa.answer(史进的师傅是谁)每次改模板、加别名、改导入脚本后跑一遍测试能立刻暴露回归问题。然后在 Browser 里执行EXPLAIN MATCH (p:Person {name:宋江})-[:SWORN_BROTHER]-(r) RETURN r.name看执行计划里是否命中 Person 唯一索引。如果显示NodeByLabelScan而不是NodeIndexSeek说明唯一约束没有生效查询会全表扫节点就得回头检查约束创建语句的版本语法。黄金测试集平时放在仓库的tests/目录下新增一种问法就先写一个失败用例再补模板直到用例变绿这个习惯能让问答系统的每一次改动都可验证。本文还有配套的精品资源点击获取