KGData

各个行业知识图谱分享，关系抽取，数据清洗，提供 neo4j 批量导入格式，图片不出来的看这里：https://www.jianshu.com/p/25e5e07b2464

Menu

《百科数据》

中文知识图谱，4000w实体，一亿关系，这是我精心整理、清洗、去重后的数据，数据格式已经处理，可用 neo4j-admin 直接导入，所有数据来源都是公开的百科或新闻数据。

由于 github文件大小限制，以下给出了部分数据，并附上了使用步骤，适合研究生交作业用，接受定制服务

使用步骤

1.首先你要自行安装 neo4j 下载地址：https://neo4j.com/download/

2.由于本方式是覆盖导入，建议创建一个全新的知识图谱库

3.解压后将两个文件放入 import 目录

4.在命令行执行导入语句

bin/neo4j-admin import --id-type=STRING --multiline-fields=true \
                       --nodes "import/entity10.csv"  \
                       --relationships "import/relationship10.csv" \

tips：

1.windows下请去掉命令中的换行符

2.windows下如果提示路径不对，可以将文件路径替换为完整路径

导入成功显示如下：

IMPORT DONE in 3s 337ms. 
Imported:
  100000 nodes
  88362 relationships
  288361 properties
Peak memory usage: 1.03 GB

5.启动 neo4j，查看导入的数据

MATCH (ee:my_entity) WHERE ee.name = "文天祥" RETURN ee; 点击展开子节点，返回效果如下

《医疗数据》

V3.5以上版本导入方法：

1.stop要操作的库

2.操作库 manager-》open terminal

3.执行命令 bin/neo4j-admin load --from=/path/to/file/2020-03-241.dump --database=graph.db --force

旧的导入方法：

1.创建一个新的图谱(注意不要启动)

2.下载数据

例如：链接:https://pan.baidu.com/s/1kMynr6lu13wyqTag7xUlpQ

3.将数据解压到 data/databases 下

4.启动服务

5.查看效果

6.微信小程序（微信搜索：小橙机器人）

本图谱+NLU+DM+GPT-3

《垃圾分类》

1.使用方式同医疗数据

2.数据地址：https://github.com/chriswangweb/KGData/blob/master/%E5%9E%83%E5%9C%BE%E5%88%86%E7%B1%BB/graph.db.zip

3.效果

新冠疫情

全网首份包含患者出行轨迹的知识图谱，换了超过 10 个数据源，目前的数据源算是最好的，但是还是包含较多的脏数据，后续会整理个精准度更高的版本

整理步骤如下：

1.使用方式同医疗数据

2.数据地址：https://github.com/chriswangweb/KGData/blob/master/ncov/graph.db.zip

网络不好的可以使用网盘地址 链接:https://pan.baidu.com/s/12-fLMV4jEc7BRXj4dUKQGg 密码:b08l

3.效果

汽车车灯

哪个男人会不爱车

1.使用方式同医疗数据

2.数据地址

3.效果

保险产品

全网最全，种类超2.7w

• 公司名称
• 产品名称
• 产品类别
• 设计类型
• 产品特殊属性
• 承保方式
• 保险期间类型
• 产品交费方式
• 产品条款文字编码
• 产品销售状态
• 停止销售日期

1.使用方式同医疗数据

2.数据地址：链接: https://pan.baidu.com/s/1ItgHr_YmT1iNsWbdZ4FF8g 密码: fh86 闲鱼搜索鱼塘：知识图谱

3.效果

工业产业链

工业产品分类，公司，产品，上下游（上下游数据对齐目前不足）

1.使用方式

LOAD CSV FROM 'file:///product.csv' AS line merge (:Product { id:line[0],name: line[1]})

LOAD CSV FROM "file:///product.csv" AS line match (from:Product{name:line[1]}),(to:Product{name:line[4]}) merge (from)-[r:Parent{level:line[3]}]->(to)

2.数据地址 https://github.com/chriswangweb/KGData/blob/master/%E4%BA%A7%E4%B8%9A%E9%93%BE/product.csv

3.效果

联系作者

公众号：作者微信：AI-decoder,作者邮箱联系方式：[email protected]

捐赠作者（捐赠将用来购买服务器，OSS，更快的处理速度，更多的数据，更快的下载速度）