1. 基本概念

Neo4j 是一种目前主流的图数据库，它采用属性图（Property Graph）方式来表示图结构数据。在 Neo4j 中，采用特定的数据模型来存储知识图谱中某一概念的数据，其数据模型标签（Node labels）、节点（Node）、关系（Relationship）、关系类型（Relationship type）和关系类型（Relationship type）五种，它们与知识图谱中概念的对应关系如下所示：

可见，知识图谱中的概念（class）由标签（Node labels）数据模型来实现，实体（entity）由节点（Node）数据模型来实现，关系（relation）由关系类型（Relationship type）数据模型和关系（Relationship）数据模型共同实现，属性（Properties）数据模型是属性图（Property Graph）特有的理论概念，它负责记录实体或关系的定、状、补语等描述性信息。

标签（Node labels）

标签通过将节点分组（分类）为集合来塑造域，其中具有特定标签的所有节点都属于同一集合。例如，所有代表用户的节点都可以用 label 标记User。有了这些，您可以要求 Neo4j 仅在您的用户节点上执行操作，例如查找具有给定名称的所有用户。

由于标签可以在运行时添加和删除，它们也可以用于标记节点的临时状态。一个节点可以有零到多个标签，可以添加更多的标签来表达数据的不同维度。

关系

关系描述了源节点和目标节点之间的连接是如何相关的¹，它是一条自源节点指向目标节点有（方）向连线，它必须有且只有一种关系类型，来定义（分类）该连线是什么类型的关系。

关系总是有方向的，但在没有用处的地方可以忽略方向。这意味着不需要添加相反方向的重复关系，除非需要正确描述数据模型。

属性（Properties）

属性是用于在节点和关系上存储数据的键值对。属性的值可以保存不同的数据类型，例如number、string或boolean，也可以保存包含例如字符串、数字或布尔值的列表（数组）。

2. 常用命令

Cypher 是 Neo4j 的图形查询语言，允许用户从图数据库存储和检索数据。它就像用于图数据的 SQL，并受到 SQL 的启发，因此它可以让您专注于想要从图形中获取哪些数据（而不是如何获取它）。

3. Python API