当前位置:   article > 正文

Neo4j图数据库实践——基于知识图谱方法开发构建猪类养殖疾病问答查询系统_neo4j项目实践

neo4j项目实践

Neo4j是一个开源的、高性能的图形数据库。它被设计用于存储、检索和处理具有复杂关系的大规模数据。与传统的关系型数据库不同,Neo4j使用图形结构来表示数据,其中节点表示实体,边表示实体之间的关系。这使得Neo4j在处理关系密集型数据时非常强大和高效。

以下是Neo4j的一些关键特点:

  1. 图形数据库:Neo4j是一个原生的、完全基于图形的数据库,它提供了图形模型来存储和管理数据。这使得它能够轻松地处理复杂的数据关系,如社交网络、推荐系统、网络安全等。

  2. 灵活的数据模型:Neo4j的数据模型非常灵活,可以轻松地表示各种类型的实体和关系。你可以定义自己的节点标签和边类型,并为它们添加属性,以便更好地表示你的数据结构。

  3. 高性能:Neo4j通过使用高效的图形遍历算法和索引机制来实现出色的性能。它可以快速地执行复杂的图形查询,支持深度遍历和快速的关系导航。

  4. 原生的查询语言:Neo4j使用一种名为Cypher的原生查询语言来操作和查询图形数据。Cypher具有直观的语法,可以轻松地表达各种图形查询模式,包括节点和边的匹配、路径遍历和聚合操作等。

  5. ACID事务支持:Neo4j支持原子性、一致性、隔离性和持久性(ACID)的事务特性。这确保了数据的完整性和一致性,同时提供了可靠的持久化机制。

  6. 生态系统和工具支持:Neo4j拥有丰富的生态系统和工具支持,包括可视化工具、ETL工具、驱动程序和集成库等。这些工具使得开发人员和数据分析师能够更轻松地使用和操作Neo4j数据库。

Neo4j官网在这里,如下所示:

可以根据自己的需要进行下载安装使用。

安装完成启动截图如下所示:

这里我安装的是1.5.8的版本的。

之前在学校的时候就有接触过Neo4j数据库,只是简单的安装实践了一下,后面因为课题方向换了,所以后面就没有再接触到了,周末闲来无事正好最近也又看到了这个图数据库的内容,就想着

来上手做一下实践开发项目,这里主要以前面项目中收集到的猪类相关养殖疾病数据集为基准,来构建基于知识图谱的问答系统。

知识图谱是一种用于组织、表示和存储结构化知识的图形化知识库。它将现实世界的实体、概念和它们之间的关系表示为图形结构,可以帮助我们更好地理解和分析知识。

知识图谱通常由三个主要组成部分构成:

  1. 实体(Entities):实体代表现实世界中的具体事物,可以是人、地点、物品、事件等等。每个实体都有唯一的标识符和相关的属性信息。

  2. 属性(Attributes):属性描述实体的特征和性质。例如,一个人实体可以有属性如姓名、年龄、性别等。

  3. 关系(Relationships):关系表示实体之间的连接和关联。它们描述了实体之间的语义关系,如"工作在"、"位于"、"是子集/超集"等等。

知识图谱的优势在于它能够捕捉和表示复杂的关联关系,并提供了一种结构化的方式来存储和查询知识。它可以用于构建智能推荐系统、问答系统、语义搜索引擎等应用。通过使用知识图谱,我们可以进行更高级的数据分析、语义推理和信息提取。

举个例子,以百科全书为例,知识图谱可以将不同的主题、人物、事件等实体组织成一个图形结构,并使用关系链接它们。通过这种方式,我们可以轻松地浏览和发现相关的知识,例如查找某个人物的家庭成员、了解某个事件的历史背景等等。

首先来简单看下数据集情况,如下所示:

  1. "猪附红细胞体病": {
  2. "name": "猪附红细胞体病",
  3. "desc": "由附红细胞体寄生于猪的红细胞表面或游离于血浆、组织液及脑脊液中引起的一种人畜共患病,猪发病时,皮肤发红,故又称“猪红皮病”。",
  4. "cause": "附红细胞体病是由多种原因引发的疾病,只有在应激和肌体抗病力降低的情况下才会诱发此病。如饲养管理不良、天气突变、突然换料、更换圈舍、密度过大等应激因素或患猪瘟、猪蓝耳病、传染性胸膜肺炎、猪链球菌病、副猪嗜血杆菌病等慢性病时,最易并发和继发附红细胞体病。",
  5. "prevent": "预防本病的发生应加强猪场的卫生防疫,消除各种应激因素。在温热季节应定期喷洒杀虫剂,以杀灭蚊、蝇、蜱、牛虻、体虱、跳蚤等吸血昆虫,消除传染媒介。发病猪只要进行及时有效的治疗。对无治疗价值的病猪应及时进行淘汰,以清除传染源。阳性猪群,饲料中可添加强力霉素等,以消除隐性感染。购入猪只要进行血液检查,防止引入病猪或隐性感染猪。本病流行季节给予预防用药,可在饲料中添加上强力霉素或金霉素添加剂,或每公斤饲料添加90毫克阿散酸,连续使用30天,或每月使用7-10天。 防重于治是养猪的最后方法。",
  6. "cure_lasttime": "一般3-14天。",
  7. "cure_way": "⑴血虫净(或三氮眯、贝尼尔) 每公斤体重用5mg-10mg,用生理盐水稀释成5%溶液,分点肌肉注射,1天1次,连用3天。⑵咪唑苯脲每公斤体重用1mg-3mg,1天1次,连用2天-3天。⑶四环素、土霉素(每公斤体重10mg)和金霉素(每公斤体重15mg)口服或肌注或静注,连用7天-14天。⑷新胂凡纳明按每公斤体重10mg-15mg静脉注射,一般3天后症状可消失。",
  8. "easy_get": "不同年龄的猪均有易感性,通常发生在哺乳猪、怀孕的母猪以及受到高度应激的肥育猪身上。",
  9. "symptom": [
  10. "体温升高为40.5℃~42℃",
  11. "皮肤发红,指压退色",
  12. "精神不振",
  13. "食欲减退",
  14. "怕冷聚堆",
  15. "咳嗽",
  16. "流鼻涕",
  17. "呼吸困难",
  18. "尿液淡黄",
  19. "发病中期,病猪行走时后躯摇晃,喜卧厌立,便秘或拉稀,精神沉郁,呼吸困难",
  20. "血液稀薄,色淡,往往随注射针孔流血不止",
  21. "皮毛枯燥",
  22. "背腹部毛色铁锈色",
  23. "皮肤苍白",
  24. "耳内侧、背侧、颈背部、腹侧部皮肤出现暗红色出血点,可视黏膜轻度肿胀,初期潮红,后期苍白",
  25. "轻度黄疸",
  26. "尿液淡黄、淡红或呈红褐色,卧地不起",
  27. "后期,病猪耳朵变蓝色、坏死,排血便和血红蛋白尿,最后四肢呈游泳状划动,呼吸困难,衰竭死亡"
  28. ],
  29. "recommand_drug": [
  30. "抗生素",
  31. "磺胺类",
  32. "砷制剂",
  33. "血虫净",
  34. "三氮眯",
  35. "贝尼尔",
  36. "咪唑苯脲",
  37. "四环素",
  38. "土霉素",
  39. "金霉素",
  40. "新胂凡纳明"
  41. ],
  42. "checks": [
  43. "猪附红细胞体病的发热、贫血、黄疸等症状具有一定的诊断意义,其他临床症状,如食欲减退、呼吸急迫、心悸亢进等非特征性症状在本病的诊断上意义不大。",
  44. "猪患附红细胞体病后全身各部均无特征性的病理变化,一般无需作病理学检查。因此,对本病确诊,必须先进行实验室检查。",
  45. "实验室诊断的方法很多,如可用间接红细胞凝集试验、补体结合试验、相差显微镜观察和染色血液涂片观察等。",
  46. "间接红细胞凝集试验和补体结合试验反应敏感、检出率高,但试验条件要求高,需要时间较长。",
  47. "相差显微镜观察和染色血液涂片观察以及鲜血直接压片,所需设备和药品较少,且操作简单、快捷,检出率也较高,一般在半个小时内即可作出确切诊断。"
  48. ],
  49. "departments": [
  50. "寄生虫病"
  51. ],
  52. "methods": [
  53. "温热季节定期喷洒杀虫剂",
  54. "及时治疗发病猪只,无治疗价值的猪只应及时淘汰",
  55. "阳性猪群,饲料中可添加强力霉素等,以消除隐性感染。",
  56. "购入猪只要进行血液检查,防止引入病猪或隐性感染猪。"
  57. ],
  58. "acompany_with": [
  59. "链球菌病",
  60. "猪水肿病",
  61. "仔猪副伤寒",
  62. "猪肺疫",
  63. "猪丹毒",
  64. "猪瘟",
  65. "弓形虫病"
  66. ]
  67. }

上面是单个疾病的相关内容详情,可以看到包含有很多的内容。

下面是一些常见猪病的介绍,如下所示:

  1. {
  2. "猪附红细胞体病": {
  3. "疾病所属类别": "寄生虫病",
  4. "疾病诊断要点": "相差显微镜观察和染色血液涂片观察以及鲜血直接压片,所需设备和药品较少,且操作简单、快捷,检出率也较高,一般在半个小时内即可作出确切诊断。",
  5. "疾病推荐药物": "新胂凡纳明",
  6. "疾病预防措施": "购入猪只要进行血液检查,防止引入病猪或隐性感染猪。"
  7. },
  8. "副猪嗜血杆菌病": {
  9. "疾病所属类别": "细菌性传染病",
  10. "疾病诊断要点": "该病易与传染性胸膜肺炎相混淆,但该病引起的病变多数为脑膜炎,关节炎和四肢跛行等,而传染性胸膜性肺炎较少见。",
  11. "疾病推荐药物": "阿莫西林",
  12. "疾病预防措施": "疫苗免疫"
  13. },
  14. "猪支原体肺炎": {
  15. "疾病所属类别": "传染病",
  16. "疾病诊断要点": "其他内脏一般无明显变化。",
  17. "疾病推荐药物": "中药方剂 (苏子、杏仁、款冬花、桔梗、甘草、陈皮、鱼腥草等)",
  18. "疾病预防措施": "加强消毒,保持栏舍清洁、干燥通风。"
  19. },
  20. "猪圆环病毒病": {
  21. "疾病所属类别": "病毒性传染病",
  22. "疾病诊断要点": "血清学检查:是生前诊断的一种有效手段。诊断本病的方法有:间接免疫荧光法(IIF),免疫过氧化物单层培养法,ELISA方法,聚合酶链式反应(PCR)方法,核酸探针杂交及原位杂交试验(ISH)等方法。",
  23. "疾病推荐药物": "选用新型的抗病毒剂如干扰素、白细胞介导素、免疫球蛋白、转移因子等进行治疗,同时配合中草药抗病毒制剂,会取得明显治疗效果。",
  24. "疾病预防措施": "加强饲养管理"
  25. },
  26. "猪链球菌病": {
  27. "疾病所属类别": "人畜共患病",
  28. "疾病诊断要点": "药敏试验",
  29. "疾病推荐药物": "抗生素",
  30. "疾病预防措施": "加强饲养管理"
  31. },
  32. "猪伪狂犬病": {
  33. "疾病所属类别": "急性传染病",
  34. "疾病诊断要点": "血清学诊断可直接用免疫荧光法、间接血凝抑制试验、琼脂扩散试验、补体结合试验、酶联免疫吸附试验、乳胶凝集试验。",
  35. "疾病推荐药物": "猪血清抗体",
  36. "疾病预防措施": "同时,还要严格控制犬、猫、鸟类和其他禽类进入猪场,严格控制人员来往,并做好消毒工作及血清学监测等,这样对本病的防制也可起到积极的推动作用。"
  37. }

接下来就需要开发程序完成数据的加载解析入库操作了,这里定义pigMedicalGraph类,如下所示:

  1. #!usr/bin/env python
  2. # encoding:utf-8
  3. from __future__ import division
  4. """
  5. 功能: 猪类疾病知识图谱构建
  6. """
  7. import os
  8. import json
  9. from py2neo import Graph,Node
  10. class pigMedicalGraph:
  11. def __init__(self):
  12. def read_nodes(self):
  13. def create_node(self, label, nodes):
  14. def create_diseases_nodes(self, disease_infos):
  15. def create_graphnodes(self):
  16. def create_graphrels(self):
  17. def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):

首先是加载解析本地数据,如下所示:

  1. count = 0
  2. with open(self.data_path, encoding="utf-8") as f:
  3. data_dict = json.load(f)
  4. for one_key in data_dict:
  5. data_json = data_dict[one_key]
  6. disease_dict = {}
  7. count += 1
  8. print(count)
  9. disease = data_json["name"]
  10. print(disease)
  11. disease_dict["name"] = disease
  12. if type(disease) == list:
  13. diseases += disease
  14. disease = disease[0]
  15. else:
  16. diseases.append(disease)
  17. disease_dict["desc"] = ""
  18. disease_dict["cause"] = ""
  19. disease_dict["prevent"] = ""
  20. disease_dict["cure_lasttime"] = ""
  21. disease_dict["cure_way"] = ""
  22. disease_dict["symptom"] = ""
  23. disease_dict["recommand_drug"] = ""
  24. print("59")
  25. if "symptom" in data_json:
  26. symptoms += data_json["symptom"]
  27. for symptom in data_json["symptom"]:
  28. has_symptom.append([disease, symptom])
  29. if "checks" in data_json:
  30. checks += data_json["checks"]
  31. for check in data_json["checks"]:
  32. need_check.append([disease, check])
  33. if "departments" in data_json:
  34. departments += data_json["departments"]
  35. for department in data_json["departments"]:
  36. belongs_to.append([disease, department])
  37. if "methods" in data_json:
  38. methods += data_json["methods"]
  39. for method in data_json["methods"]:
  40. recommand_method.append([disease, method])
  41. if "desc" in data_json:
  42. disease_dict["desc"] = data_json["desc"]
  43. if "prevent" in data_json:
  44. disease_dict["prevent"] = data_json["prevent"]
  45. if "cause" in data_json:
  46. disease_dict["cause"] = data_json["cause"]
  47. if "easy_get" in data_json:
  48. disease_dict["easy_get"] = data_json["easy_get"]
  49. if "cure_way" in data_json:
  50. disease_dict["cure_way"] = data_json["cure_way"]
  51. if "cure_lasttime" in data_json:
  52. disease_dict["cure_lasttime"] = data_json["cure_lasttime"]
  53. if "recommand_drug" in data_json:
  54. recommand_drug1 = data_json["recommand_drug"]
  55. drugs += recommand_drug1
  56. for drug in recommand_drug1:
  57. recommand_drug.append([disease, drug])
  58. disease_infos.append(disease_dict)

接下来是创建知识图谱中的节点node,实现如下所示:

  1. def create_node(self, label, nodes):
  2. """
  3. 创建节点
  4. """
  5. count = 0
  6. for node_name in nodes:
  7. node = Node(label, name=node_name)
  8. self.g.create(node)
  9. count += 1
  10. print(count, len(nodes))
  11. return

之后我们来实现创建知识图谱中疾病的节点,如下所示:

  1. def create_diseases_nodes(self, disease_infos):
  2. """
  3. 创建知识图谱中疾病的节点
  4. """
  5. count = 0
  6. for disease_dict in disease_infos:
  7. print(disease_dict)
  8. node = Node(
  9. "Disease",
  10. name=disease_dict["name"],
  11. desc=disease_dict["desc"],
  12. cause=disease_dict["cause"],
  13. prevent=disease_dict["prevent"],
  14. cure_lasttime=disease_dict["cure_lasttime"],
  15. cure_way=disease_dict["cure_way"],
  16. easy_get=disease_dict["easy_get"],
  17. recommand_drug=disease_dict["recommand_drug"],
  18. symptom=disease_dict["symptom"],
  19. )
  20. print("132")
  21. self.g.create(node)
  22. count += 1
  23. print(count)
  24. return

接下来是创建知识图谱实体节点类型schema,核心实现如下所示:

  1. self.create_diseases_nodes(disease_infos)
  2. self.create_node("checks", checks)
  3. self.create_node("departments", departments)
  4. self.create_node("diseases", diseases)
  5. self.create_node("drugs", drugs)
  6. self.create_node("methods", methods)
  7. self.create_node("symptoms", symptoms)

之后我们来创建实体关联边,实现如下所示:

  1. def create_relationship(self, start_node, end_node, edges, rel_type, rel_name):
  2. """
  3. 创建实体关联边
  4. """
  5. count = 0
  6. # 去重处理
  7. set_edges = []
  8. for edge in edges:
  9. set_edges.append("".join(edge))
  10. all = len(set(set_edges))
  11. for edge in set(set_edges):
  12. edge = edge.split("")
  13. p = edge[0]
  14. q = edge[1]
  15. query = (
  16. "match(p:%s),(q:%s) where p.name='%s' and q.name='%s' create (p)-[rel:%s{name:'%s'}]->(q)"
  17. % (start_node, end_node, p, q, rel_type, rel_name)
  18. )
  19. try:
  20. self.g.run(query)
  21. count += 1
  22. print(rel_type, count, all)
  23. except Exception as e:
  24. print(e)
  25. return

最后我们来创建实体关系边,如下所示:

  1. self.create_relationship("diseases", "departments", belongs_to, "belongs_to", "属于")
  2. self.create_relationship("diseases", "checks", need_check, "need_check", "疾病诊断结果")
  3. self.create_relationship(
  4. "diseases", "drugs", recommand_drug, "recommand_drug", "疾病推荐药品"
  5. )
  6. self.create_relationship(
  7. "diseases", "methods", recommand_method, "recommand_method", "疾病预防措施"
  8. )
  9. self.create_relationship("diseases", "symptoms", has_symptom, "has_symptom", "疾病症状")
  10. self.create_relationship(
  11. "diseases", "diseases", acompany_with_, "acompany_with_", "疾病并发疾病"
  12. )

到这里基本上数据的解析加载入库操作就完成了。

可以直接在neo4j数据库桌面端打开查看,如下所示:

也可以直接复制http://localhost:7474/browser/

在浏览器端打开即可,如下所示:

显然我自己觉得浏览器端的操作和可视化更加柔顺丝滑。

这里可以直接借助于知识图谱的能力来进行知识的查询回答,简单的实现如下所示:

  1. class ChatRobot:
  2. def __init__(self):
  3. self.classifier = QuestionClassifier()
  4. self.parser = QuestionPaser()
  5. self.searcher = AnswerSearcher()
  6. def chat_main(self, sent):
  7. answer = "尊敬的用户您好,我是AI医药智能助理,希望可以帮到您!"
  8. res_classify = self.classifier.classify(sent)
  9. if not res_classify:
  10. return answer
  11. res_sql = self.parser.parser_main(res_classify)
  12. print("res_sql: ", res_sql)
  13. final_answers = self.searcher.search_main(res_sql)
  14. if not final_answers:
  15. return answer
  16. else:
  17. return "\n".join(final_answers)
  18. if __name__ == "__main__":
  19. handler = ChatRobot()
  20. while True:
  21. question = input("user:")
  22. answer = handler.chat_main(question)
  23. print("AI:", answer)

实例输出如下所示:

接下来我们再来简单看下neo4j数据库端可视化的呈现:

每一块都包括了Graph、Table、Text和Code四种表示或者是说存储形式,接下来我们以一个实际样例来进行展示,如下所示:

【Graph】

【Table】

  1. {
  2. "start": {
  3. "identity": 284,
  4. "labels": [
  5. "diseases"
  6. ],
  7. "properties": {
  8. "name": "猪圆环病毒病"
  9. },
  10. "elementId": "284"
  11. },
  12. "end": {
  13. "identity": 230,
  14. "labels": [
  15. "departments"
  16. ],
  17. "properties": {
  18. "name": "病毒性传染病"
  19. },
  20. "elementId": "230"
  21. },
  22. "segments": [
  23. {
  24. "start": {
  25. "identity": 284,
  26. "labels": [
  27. "diseases"
  28. ],
  29. "properties": {
  30. "name": "猪圆环病毒病"
  31. },
  32. "elementId": "284"
  33. },
  34. "relationship": {
  35. "identity": 0,
  36. "start": 284,
  37. "end": 230,
  38. "type": "belongs_to",
  39. "properties": {
  40. "name": "属于"
  41. },
  42. "elementId": "0",
  43. "startNodeElementId": "284",
  44. "endNodeElementId": "230"
  45. },
  46. "end": {
  47. "identity": 230,
  48. "labels": [
  49. "departments"
  50. ],
  51. "properties": {
  52. "name": "病毒性传染病"
  53. },
  54. "elementId": "230"
  55. }
  56. }
  57. ],
  58. "length": 1.0
  59. }

【Text】

  1. ╒════════════════════════════════════════════════════╕
  2. "p"
  3. ╞════════════════════════════════════════════════════╡
  4. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  5. ├────────────────────────────────────────────────────┤
  6. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  7. ├────────────────────────────────────────────────────┤
  8. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  9. ├────────────────────────────────────────────────────┤
  10. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  11. ├────────────────────────────────────────────────────┤
  12. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  13. ├────────────────────────────────────────────────────┤
  14. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  15. ├────────────────────────────────────────────────────┤
  16. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  17. ├────────────────────────────────────────────────────┤
  18. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  19. ├────────────────────────────────────────────────────┤
  20. │[{"name":"猪圆环病毒病"},{"name":"属于"},{"name":"病毒性传染病"}] │
  21. ├────────────────────────────────────────────────────┤
  22. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  23. ├────────────────────────────────────────────────────┤
  24. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  25. ├────────────────────────────────────────────────────┤
  26. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  27. ├────────────────────────────────────────────────────┤
  28. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  29. ├────────────────────────────────────────────────────┤
  30. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  31. ├────────────────────────────────────────────────────┤
  32. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  33. ├────────────────────────────────────────────────────┤
  34. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  35. ├────────────────────────────────────────────────────┤
  36. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  37. ├────────────────────────────────────────────────────┤
  38. │[{"name":"猪肾虫病"},{"name":"属于"},{"name":"寄生虫病"}] │
  39. ├────────────────────────────────────────────────────┤
  40. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  41. ├────────────────────────────────────────────────────┤
  42. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  43. ├────────────────────────────────────────────────────┤
  44. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  45. ├────────────────────────────────────────────────────┤
  46. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  47. ├────────────────────────────────────────────────────┤
  48. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  49. ├────────────────────────────────────────────────────┤
  50. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  51. ├────────────────────────────────────────────────────┤
  52. │[{"name":"猪流行性腹泻"},{"name":"属于"},{"name":"急性肠道传染病"}]│
  53. └────────────────────────────────────────────────────┘

【Code】

这个code可以直接复制过去在Neo4j桌面端里面执行可以得到与浏览器页面端同样的结果。

感兴趣的话也都可以实践尝试去开发构建自己的应用系统!

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/盐析白兔/article/detail/459786
推荐阅读
相关标签
  

闽ICP备14008679号