基于Neo4j的用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)的應(yīng)用

摘要：為了實(shí)現(xiàn)一維用戶閱讀數(shù)據(jù)的關(guān)聯(lián)化與可視化，分析了圖數(shù)據(jù)庫(kù)在數(shù)據(jù)挖掘方面的優(yōu)勢(shì)，以西安航空學(xué)院2020年的202 941條用戶閱讀數(shù)據(jù)為數(shù)據(jù)源，基于圖數(shù)據(jù)模型，采用Neo4j技術(shù)，定義了7類實(shí)體、6類關(guān)系及其屬性，構(gòu)建了用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)。結(jié)合查詢功能，討論了Neo4j用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)在數(shù)據(jù)查詢、圖書推薦等方面的應(yīng)用，希望為圖書館資源與服務(wù)建設(shè)等提供有效的數(shù)據(jù)支持及技術(shù)指導(dǎo)。

關(guān)鍵詞：Neo4j圖數(shù)據(jù)庫(kù);用戶閱讀數(shù)據(jù);數(shù)據(jù)庫(kù)設(shè)計(jì);可視化

中圖分類號(hào)：TP311.13? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2021）07-0095-07

Application of User Reading Data Graph Database Based on Neo4j

CHAI Yuan

（Library of Xian Aeronautical University，Xian? 710077，China）

Abstract：In order to realize the association and visualization of one-dimensional user reading data，the advantages of graph database in data mining are analyzed. Taking 202 941 pieces of user reading data of Xian Aeronautical University in 2020 as the data source，based on the graph data model，Neo4j technology is used to define 7 types of entities，6 types of relationships and their attributes，build a user reading data graph database. Combined with the query function，this paper discusses the application of Neo4j user reading data graph database in data query，book recommendation，etc.，hoping to provide effective data support and technical guidance for the construction of library resources and services.

Keywords：Neo4j graph database;user reading data;database design;visualization

收稿日期：2021-03-21

基金項(xiàng)目：2019陜西省教育廳科研計(jì)劃項(xiàng)目（19JK0334）;陜西省教育廳2020年度一般專項(xiàng)科學(xué)研究計(jì)劃項(xiàng)目（20JK0199）

0? 引? 言

圖數(shù)據(jù)庫(kù)（Graph Database）是基于圖論實(shí)現(xiàn)的一種新型的非關(guān)系型數(shù)據(jù)庫(kù)（NoSQL）[1]，在圖數(shù)據(jù)庫(kù)中，數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系通過(guò)節(jié)點(diǎn)和關(guān)系構(gòu)成一個(gè)圖結(jié)構(gòu)并在此結(jié)構(gòu)上實(shí)現(xiàn)數(shù)據(jù)的創(chuàng)建、讀取、更新、刪除等[2]。因此，只要是反映節(jié)點(diǎn)和關(guān)系的任何數(shù)據(jù)，都可以用圖數(shù)據(jù)庫(kù)技術(shù)重構(gòu)與分析。

圖書館用戶閱讀數(shù)據(jù)屬于一維線性組織，只描述學(xué)生、圖書等信息，不區(qū)分實(shí)體和關(guān)系，關(guān)聯(lián)化和可視化程度較低。鑒于此，本文應(yīng)用Neo4j圖數(shù)據(jù)庫(kù)技術(shù)，構(gòu)建了用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)，并進(jìn)行了應(yīng)用分析。

1? Neo4j圖數(shù)據(jù)庫(kù)的優(yōu)勢(shì)

1.1? Neo4j的基本術(shù)語(yǔ)

Neo4j是由Java實(shí)現(xiàn)的開(kāi)源NoSQL圖數(shù)據(jù)庫(kù)，是圖數(shù)據(jù)庫(kù)中較為流行的一款，它提供了完整的數(shù)據(jù)庫(kù)特性，包括ACID事務(wù)的支持、集群支持、備份與故障轉(zhuǎn)移等[3]。Neo4j的數(shù)據(jù)模型主要由節(jié)點(diǎn)、關(guān)系及其屬性構(gòu)成。

節(jié)點(diǎn)（Node）：用以表示一個(gè)實(shí)體記錄，在圖數(shù)據(jù)庫(kù)中用○表示。

關(guān)系（Relationship）：用以表示節(jié)點(diǎn)之間的聯(lián)系，在圖數(shù)據(jù)庫(kù)中用-表示無(wú)向關(guān)系，->表示有向關(guān)系。

屬性（Property）：用以表示節(jié)點(diǎn)和關(guān)系的特征，它以key-value對(duì)的形式存在。例如，ISBN、題名、出版社、分類號(hào)是圖書的屬性。

1.2? Neo4j圖數(shù)據(jù)庫(kù)的主要優(yōu)勢(shì)

1.2.1? 圖結(jié)構(gòu)式存儲(chǔ)

關(guān)系型數(shù)據(jù)庫(kù)將數(shù)據(jù)存儲(chǔ)在一個(gè)預(yù)定義好的、結(jié)構(gòu)固定的二維表格中，數(shù)據(jù)之間的關(guān)系靠各個(gè)表格行列之間的相互關(guān)聯(lián)實(shí)現(xiàn)。Neo4j采用圖存儲(chǔ)結(jié)構(gòu)，節(jié)點(diǎn)和關(guān)系記錄由指向聯(lián)系和屬性列表的指針I(yè)D構(gòu)成，且都用固定大小記錄，任何記錄都可以根據(jù)指針I(yè)D快速計(jì)算出來(lái)。

1.2.2? 免索引鄰接式查詢

關(guān)系型數(shù)據(jù)庫(kù)使用全局索引連接各個(gè)節(jié)點(diǎn)，這些索引對(duì)每個(gè)遍歷都會(huì)增加一個(gè)中間層，因此會(huì)導(dǎo)致非常大的計(jì)算成本。Neo4j圖數(shù)據(jù)庫(kù)具有免索引鄰接特性，每個(gè)節(jié)點(diǎn)都會(huì)維護(hù)與它相鄰節(jié)點(diǎn)的引用，即每個(gè)節(jié)點(diǎn)相當(dāng)于與它相鄰節(jié)點(diǎn)的微索引，查詢時(shí)間和圖的整體規(guī)模無(wú)關(guān)，只與它附近節(jié)點(diǎn)的數(shù)量成正比。

1.2.3? Cypher聲明式查詢語(yǔ)言

關(guān)系型數(shù)據(jù)庫(kù)采用命令式的SQL查詢語(yǔ)言，復(fù)雜性會(huì)隨著連接數(shù)據(jù)查詢所需的join操作的數(shù)量而增加。Cypher是一種聲明式的模式匹配查詢語(yǔ)言，提供了描述關(guān)系查詢的最有效表達(dá)方式。

1.2.4? 圖數(shù)據(jù)可視化

關(guān)系型數(shù)據(jù)庫(kù)中，一般通過(guò)列表、表格、結(jié)構(gòu)化報(bào)告和匯總分析與數(shù)據(jù)交互，需要閱讀和認(rèn)知所有的數(shù)據(jù)才能完全理解數(shù)據(jù)的整體模式。Neo4j圖數(shù)據(jù)庫(kù)用可視化的方式對(duì)數(shù)據(jù)應(yīng)用進(jìn)行建模和管理[4]，可以更加直觀地與數(shù)據(jù)交互。

2? 圖書館用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)的設(shè)計(jì)

2.1? 數(shù)據(jù)來(lái)源

以西安航空學(xué)院2020年的用戶閱讀數(shù)據(jù)為數(shù)據(jù)源，共202 941條記錄，包括7類、123 268個(gè)實(shí)體，涉及學(xué)生13 659個(gè)、年級(jí)4類、圖書63 124種、圖書作者44 613個(gè)、主題詞1 822個(gè)、專業(yè)34個(gè)、學(xué)院12個(gè);包含6類、429 074個(gè)實(shí)體關(guān)系，涉及借閱關(guān)系202 941個(gè)、屬于關(guān)系34個(gè)、修讀關(guān)系13 659個(gè)、學(xué)業(yè)水平關(guān)系13 659個(gè)、標(biāo)引關(guān)系122 941個(gè)、寫作關(guān)系75 840個(gè)。本文的構(gòu)建圖數(shù)據(jù)模型如圖1所示。

2.2? 實(shí)體的構(gòu)建

2.2.1? 數(shù)據(jù)編碼

數(shù)據(jù)編碼主要是為每一節(jié)點(diǎn)賦予一個(gè)唯一確定的指針I(yè)D，學(xué)生、專業(yè)、學(xué)院采用學(xué)號(hào)、專業(yè)代碼、學(xué)院代碼作為ID。年級(jí)ID為gra_01、gra_02、gra_03、gra_04，名稱分別對(duì)應(yīng)為大一、大二、大三、大四;對(duì)圖書主題詞、作者進(jìn)行編碼時(shí)，分別提取所有圖書的主題詞、作者，經(jīng)過(guò)去重，按照sub_0001、sub_0002、…sub_1822的順序賦予主題詞ID，按照aut_00001、aut_00002、…、aut_44613的順序賦予圖書作者ID。

2.2.2? 實(shí)體定義

抽取所有節(jié)點(diǎn)信息，分別創(chuàng)建student、book、grade、major、department、subject、author數(shù)據(jù)集，并以CSV格式存放到neo4j的import文件夾中。使用LOAD CSV WITH HEADERS FROM "file：///URL" AS line命令加載，URL即數(shù)據(jù)集的位置，“l(fā)ine”為指定變量。使用MERGE語(yǔ)句，創(chuàng)建節(jié)點(diǎn)并指定標(biāo)簽和屬性。

例如，創(chuàng)建學(xué)生節(jié)點(diǎn)的命令為：

（s：Student{stu_ID：line.stu_ID，stu_name：line.stu_name}）

命令中，（）表示節(jié)點(diǎn)，s表示節(jié)點(diǎn)變量，Student表示節(jié)點(diǎn)標(biāo)簽，用于節(jié)點(diǎn)分類并創(chuàng)建子圖，{}中的命令是節(jié)點(diǎn)的屬性。文中的部分節(jié)點(diǎn)創(chuàng)建如表1所示。

2.3? 關(guān)系的構(gòu)建

創(chuàng)建student_to_book、major_to_department、student_to_major、student_to_grade、author_to_book數(shù)據(jù)集，并以CSV格式存放到neo4j的import文件夾中。確定（from）->（to）模

式，即將前一個(gè)節(jié)點(diǎn)的ID作為起點(diǎn)（from），后一個(gè)節(jié)點(diǎn)的ID作為終點(diǎn)（to），使用match語(yǔ)句檢索數(shù)據(jù)庫(kù)。使用MERGE語(yǔ)句，創(chuàng)建關(guān)系并指定標(biāo)簽和屬性。

例如，借閱關(guān)系命令為：

match （from：Student{stu_ID：line.stu_ID}），（to：Book{ISBN： line.ISBN}） merge （from）-[r：借閱{stu_ID：line.stu_ID，ISBN：line. ISBN}]->（to）

命令中，（from：Student{stu_ID：line.stu_ID}）表示起點(diǎn)節(jié)點(diǎn)，（to：Book{ISBN：line.ISBN}）表示終點(diǎn)節(jié)點(diǎn)，from、to表示變量，Student、Book表示節(jié)點(diǎn)標(biāo)簽，{}中的命令表示屬性，[]中的命令表示關(guān)系，r表示關(guān)系變量，借閱表示關(guān)系標(biāo)簽。本文部分關(guān)系創(chuàng)建如表2所示。

實(shí)體、關(guān)系構(gòu)建完成后，使用Cypher查詢語(yǔ)言運(yùn)行并可視化顯示，部分結(jié)果如圖2所示。

圖2包括查詢命令和顯示區(qū)域，它提供了圖形（Graph）、表格（Table）、文本（Text）、代碼（Code）四種顯示方式。節(jié)點(diǎn)、關(guān)系可以設(shè)置不同的顏色及大小。點(diǎn)擊任意元素可以查看其屬性、關(guān)系網(wǎng)絡(luò)等，也可以進(jìn)行拖動(dòng)、隱藏、鎖定等功能操作，如點(diǎn)擊學(xué)生項(xiàng)子軼的姓名，可以查看其借閱的圖書《易》理，以及該書的作者陶有浩、標(biāo)引的主題詞先秦哲學(xué)等。

3? 圖書館用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)的應(yīng)用

3.1? 數(shù)據(jù)查詢

3.1.1? 單一關(guān)系查詢

Neo4j用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)將學(xué)生、年級(jí)、專業(yè)、學(xué)院、圖書、主題、作者等節(jié)點(diǎn)通過(guò)借閱、修讀、學(xué)業(yè)水平、屬于、標(biāo)引、寫作等關(guān)系連接起來(lái)，既可以通過(guò)單一關(guān)系、多維度關(guān)系查詢節(jié)點(diǎn)的直接關(guān)系，又可以通過(guò)路徑查詢發(fā)現(xiàn)節(jié)點(diǎn)間的潛在關(guān)系：

（1）查詢學(xué)生的借閱情況，了解閱讀偏好，分析閱讀興趣。例如，查詢“蔣嘯龍”所借閱的圖書，統(tǒng)計(jì)圖書的分類號(hào)，并按降序排列，命令為：

match （b{stu_name：'蔣嘯龍'}）-[：借閱]->（n：Book）

return n.CLC，count（n.CLC） as q

order by q DESC

查詢結(jié)果如圖3、表3所示。

由圖3、表3可見(jiàn)，蔣嘯龍共借閱圖書14種，分類號(hào)主要集中在B-4（哲學(xué)教育與普及）、B82倫理學(xué)（道德哲學(xué)）、B0哲學(xué)理論、B2中國(guó)哲學(xué)、I267（中國(guó)當(dāng)代作品）、A75（毛澤東）、H319.4（外文讀物）等，可見(jiàn)，蔣嘯龍的閱讀興趣集中在中國(guó)哲學(xué)、當(dāng)代文學(xué)及相關(guān)英文讀物方面。

（2）查詢圖書的被借閱情況，統(tǒng)計(jì)圖書的利用率。例如，查詢“譯林出版社”出版的《資本論》（中）的借閱情況，命令為：

match （n）-[：借閱]->（b：Book{title：資本論（中）'，publisher：'譯林出版社'}）

return n，b

查詢結(jié)果如圖4所示，這本書被借閱過(guò)15次。

統(tǒng)計(jì)題名中含有“資本論”的圖書被借閱的次數(shù)，命令為：

match （n：Student）-[：借閱]->（b：Book）

where b.title contains '資本論'

return count（n）

結(jié)果顯示，共計(jì)75次，則《資本論》（中）在同類書中的利用率是20%，略低。

3.1.2? 多維度關(guān)系查詢

查詢“計(jì)算機(jī)科學(xué)與技術(shù)”專業(yè)各年級(jí)學(xué)生借閱圖書的主題，大一年級(jí)的查詢命令如下，其他年級(jí)類似：

match （g{gra_name：大一}）<-[：學(xué)業(yè)水平]-（n）-[：修讀]-> （m{maj_name：'計(jì)算機(jī)科學(xué)與技術(shù)'}）， （n）-[：借閱]->（b）<—[：標(biāo)引]-（l：Subject）

return l.sub_name， count（*） as q

order by q DESC limit 10

3.1.3? 路徑查詢

（1）最短路徑查詢。通過(guò)shortestPath函數(shù)發(fā)現(xiàn)兩個(gè)節(jié)點(diǎn)之間的最短路徑[5]，例如，尋找張凱與《平凡的世界》間的最短路徑，命令如下，限制輸出3條：

match （s：Student{stu_name：'張凱'}），（b：Book{title：'平凡的世界'}），p=allShortestPaths（（s）-[*]-（b））

return p limit 3

查詢結(jié)果如圖5所示。

由圖5可見(jiàn)，路徑1：張凱—飛行器設(shè)計(jì)與工程—王佳翔—走向衰榮·明—小說(shuō)集—平凡的世界。路徑2：張凱—大二—王佳翔—走向衰榮·明—小說(shuō)集—平凡的世界。路徑3：張凱—大二—趙超—走向衰榮·明—小說(shuō)集—平凡的世界。

（2）變長(zhǎng)路徑查詢。如果節(jié)點(diǎn)或關(guān)系的屬性發(fā)生變化，聯(lián)系也發(fā)生變化。Neo4j提供變長(zhǎng)路徑查詢，表示方式是：[*N..M]，N和M表示路徑長(zhǎng)度的最小值和最大值[6]。例如，查詢與《深度學(xué)習(xí)的數(shù)學(xué)》路徑長(zhǎng)度的最大值是4的學(xué)生及專業(yè)，限制輸出5個(gè)。命令為：

MATCH （b：Book {title："深度學(xué)習(xí)的數(shù)學(xué)"? }）-[*..4]-（n： Student）-[：修讀]-（m）

return n.stu_name，m.maj_name limit 5

查詢結(jié)果，如表4所示。

3.2? 資源推薦

3.2.1? 基于借閱記錄的推薦

根據(jù)讀者的借閱歷史，發(fā)現(xiàn)相同的閱讀偏好，進(jìn)行圖書推薦。例如，s1、s2的借閱記錄中有相同的圖書，則將s1（s2）借閱記錄中s2（s1）沒(méi)有借閱的圖書推薦給s2（s1）。查詢命令為：

match （s1：Student）-[：借閱]->（b1：Book）<-[：借閱]-（s2：Student）- [：借閱]->（b2：Book）

where not （（s1）-[：借閱]->（b2））

return s1.stu_name as FirstPerson，s2.stu_name as Second Person，b1.title as CommonBook，b2.title as RecommendedBook limit 1

命令中，match語(yǔ)句查詢s1、s2的借閱記錄b1、b2;where not添加約束條件，即過(guò)濾掉b2中s1借閱的圖書;返回s1、s2的姓名并指定標(biāo)簽為FirstPerson、SecondPerson，返回b1的題名作為相同圖書（CommonBoo），b1的題名作為推薦圖書（RecommendedBook），數(shù)據(jù)量比較大，所以限制輸出1行，查詢結(jié)果如表5所示。

由表5可見(jiàn)，賀詠仙與涂永孟都借閱了圖書《中國(guó)震撼：一個(gè)“文明型國(guó)家”的崛起》，推斷出二者可能具有相似的閱讀偏好，所以將涂永孟借閱過(guò)的而賀詠仙沒(méi)有借閱的《周恩來(lái)總理生涯》等10種圖書推薦給后者，實(shí)現(xiàn)基于借閱記錄的圖書個(gè)性化推薦。

3.2.2? 基于主題或作者忠誠(chéng)度的推薦

在借閱行為中，讀者多次表現(xiàn)出來(lái)對(duì)某個(gè)主題或作者有偏向性的（而非隨意的）行為反應(yīng)。例如，讀者s已借閱了一本“航空”主題的圖書，那么他很可能對(duì)這一主題的其他圖書也感興趣。查詢命令為：

match （s：Student）-[：借閱]->（b1：Book）<-[：標(biāo)引]-（y：Subject {sub_name：'航空'}）-[：標(biāo)引]->（b2：Book）

with s，y，b2，count（b1） as f

where not （（s）-[：借閱]->（b2）） and f>2

return s.stu_name as Student，collect（b2.title limit 5） as RecommendedBooks

order by student DESC limit 5

命令中，統(tǒng)計(jì)s借閱的航空類圖書，設(shè)定閾值f>2，提高s與“航空”主題的相似性，增強(qiáng)推薦圖書對(duì)s的吸引力。應(yīng)用collect函數(shù)將推薦的圖書（RecommendedBooks ）以列表的形式返回，限制推薦5種。s按f降序排列，限制輸出5個(gè)。查詢結(jié)果如表6所示。

表6中，student借閱了航空類圖書，推斷出可能是專業(yè)學(xué)習(xí)需要或者興趣使然，所以將相關(guān)圖書推薦給他們。

3.2.3? 基于社交網(wǎng)絡(luò)的推薦

讀者所在的年級(jí)、專業(yè)、學(xué)院等元素構(gòu)成一個(gè)社交網(wǎng)絡(luò)，相同社交網(wǎng)絡(luò)中相同的元素具有相似的閱讀偏好和閱讀行為。例如，找出借閱過(guò)某本書的學(xué)生，發(fā)現(xiàn)沒(méi)有借閱過(guò)這些圖書并對(duì)此圖書感興趣的學(xué)生。命令為：

match （b1：Book）<-[：借閱]-（s1：Student）-[：修讀]->（m：Major {maj_name：'計(jì)算機(jī)科學(xué)與技術(shù)'}）<-[：修讀]-（s2：Student）-[：借閱]->（b2：Book），（s1）-[：學(xué)業(yè)水平]->（g：Grade{gra_name：'大二'}）<-[：學(xué)業(yè)水平]-（s2）

where not（（s2）-[：借閱]->（b1））

return s1.stu_name as Student，b1.title as RecommendedBook， collect（s2.stu_name limit 5） as ForS2? limit 5

命令中，s1、s2都是計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)中大二的學(xué)生，s1、s2的借閱集合分別是b1、b2，過(guò)濾掉b1中s2的借閱記錄，發(fā)現(xiàn)對(duì)b1中其他圖書感興趣的學(xué)生集合ForS2，進(jìn)行圖書推薦，如表7所示。

4? 結(jié)? 論

Neo4j圖數(shù)據(jù)庫(kù)采用圖結(jié)構(gòu)式存儲(chǔ)、免索引鄰接查詢、圖可視化顯示、Cypher聲明式查詢語(yǔ)言等，提供高效的查詢和數(shù)據(jù)關(guān)系處理功能。本文以西安航空學(xué)院2020年的202 941條用戶閱讀數(shù)據(jù)為數(shù)據(jù)源，采用Neo4j技術(shù)構(gòu)建了相關(guān)圖數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了一維用戶閱讀數(shù)據(jù)的關(guān)聯(lián)化與可視化。結(jié)合查詢功能，深入分析了Neo4j用戶閱讀數(shù)據(jù)圖數(shù)據(jù)庫(kù)在數(shù)據(jù)查詢、Jaccard相似度計(jì)算、圖書推薦等方面的作用，希望為圖書館資源建設(shè)、閱讀推廣、學(xué)科服務(wù)等提供有效的數(shù)據(jù)支持及技術(shù)指導(dǎo)。

參考文獻(xiàn)：

[1] ROBINSON I，WEBBER J，EIFREM E. Graph Databases [M].2th ed.Cambridge：OReilly Media，2015.

[2] HANS M，CHRISTIAN B，DRAGOS S D，et al. Using Graph Databases to Investigate Trends in Structure-Activity Relationship Networks [J].Journal of chemical information and modeling，2020，60（12）：6120-6134.

[3] VUKOTIC A，WATT N，ABEDRABBO T，et al. Neo4j in Action [M].張秉森，孔倩，張晨策，譯.北京：機(jī)械工業(yè)出版社，2016.

[4] SHI Cheng，JIA JieShen，QUAN Shi，et al. Xianyi Cheng. Research on the construction of three level customer service knowledge graph [J].IOP Conference Series：Materials Science and Engineering，2017，242（1）：1-6.

[5] 于娟，黃恒琪，席運(yùn)江，等.基于圖數(shù)據(jù)庫(kù)的人物關(guān)系知識(shí)圖譜推理方法研究 [J].情報(bào)科學(xué)，2019，37（10）：8-12.

[6] 李金陽(yáng).圖數(shù)據(jù)庫(kù)在圖書館的應(yīng)用研究 [J].圖書館，2020（11）：109-115.

作者簡(jiǎn)介：柴源（1985—），男，漢族，陜西西安人，館員，碩士，研究方向：知識(shí)組織與知識(shí)管理。