文章目录
- 背景描述
- 分析
- 解决
- 代码参考
- neo4j 工具类
- Neo4jDriver
- 知识图谱构建效果
- GuihuaNeo4jClass
背景描述
使用 tqdm 显示，处理的速度；
笔者使用 py2neo库，调用 neo4j 的API 完成节点插入；
有80万条数据需要插入到neo4j图数据中，在前期处理速度200条每秒，随着程序的运行处理速度越来越慢，200 -> 100 -> 50 -> 30，速度一直降低到每秒处理30条数据；
如果保持原来的速度，1个小时就处理完了，现在就得花费8个小时才能处理完成；
分析
那么到底是什么原因导致速度会越来越慢？
笔者分析之后是因为：笔者会给节点创建关系，首先需要在neo4j图数据库中查询到该节点，再给该节点创建关系。随着图数据库中的节点数量越来越多，就导致查询时间过长，从而形成了随着程序运行插入节点速度变慢的现象。
解决
有很多种办法解决这个问题：
-
记忆背包
采用记忆背包的办法，将已经创建过的节点，保存在字典中。再给该节点创建关系或者属性时，不再从图谱中查询，而是直接从字典中获取； -
减少重复查询操作
尽量减少多次重复的查询操作。
假如有一个实体的属性表、有一个关系表；为了保证代码的低耦合，通常咱们先往知识图谱中，插入完成属性表；再查询节点，再给该实体插入关系。很明显第二次的节点查询就是重复的查询。
完全可以考虑，一次性就完成节点属性添加和关系链接操作，这就能减少了一次查询操作； -
是否需要创建新实体
通常创建实体时，先在图谱中查询是否有该节点，如果图谱中有则不创建，使用查询得到的节点；
如果咱们只是想表示某个节点他有哪些关系，那么节点不唯一也可以考虑，那么便不再理会图谱中是否已有该节点，直接创建该节点，然后建立关系即可。
代码参考
我使用下述代码，一次性完成属性添加、孩子节点创建与关系链接；从而实现减少图谱的查询操作；
实现了将原本需要耗费8个小时以上的时间，缩短到2个小时完成neo4j图数据库的插入；
neo4j 工具类
我写的neo4j 工具类如下
Neo4jDriver: 可以直接拿去使用；GuihuaNeo4jClass: 笔者自己项目的一个类，无法直接供大家使用，供大家参考；
Neo4jDriver
import json
from dataclasses import dataclass
from py2neo import Graph, Node, NodeMatcher, RelationshipMatcher, Relationship
from settings import domain_class_name, summary_class_name, ner_schema
# 连接到Neo4j数据库
class Neo4jDriver:
def __init__(self, url, username, password):
self.graph = Graph(url, auth=(username, password))
self.node_matcher = NodeMatcher(self.graph)
self.relationship_matcher = RelationshipMatcher(self.graph)
def query_node(self, class_, **kwargs):
if node := self.node_matcher.match(class_, **kwargs):
# 节点存在，则获取
return node.first()
def create_query_node(self, class_, **kwargs):
"""
不创建重复节点
"""
# 节点存在，则获取
if node := self.query_node(class_, **kwargs):
return node
# 节点不存在，则创建
node = Node(class_, **kwargs)
self.graph.create(node)
return node
def create_node(self, class_, **kwargs):
node = Node(class_, **kwargs)
self.graph.create(node)
return node
def query_relationship(self, start_node, rel, end_node):
r = self.relationship_matcher.match([start_node, end_node], r_type=rel)
return r.first()
def create_query_relationship(self, start_node, rel, end_node):
if r := self.query_relationship(start_node, rel, end_node):
return r
self.graph.create(Relationship(start_node, rel, end_node))
def create_relationship(self, start_node, rel, end_node):
self.graph.create(Relationship(start_node, rel, end_node))
知识图谱构建效果
上图的schema如下：
保山市： file
加快建...是：sentence
最右侧的一列节点是sentence的下面的实体
GuihuaNeo4jClass
简要给大家分享一下，编写GuihuaNeo4jClass的思路：
all_file_node = {}
all_sents_node = {}
all_ner_node = {} # key: (ner_class, name)
如下字典为所有 GuihuaNeo4jClass 实例共有(都可以访问)的字典，用于存储在构建neo4j的过程中，创建的一些节点，这样就无需走neo4j的查询，直接走本地字典的查询，速度会快一点；
下述为创建GuihuaNeo4jClass类，初始化时，需要传入的一些参数：
driver: Neo4jDriver
text: str
prov: str
city: str
filename: str
方法讲解：
get_file_node
def get_file_node(self):
# 首先在self.all_file_node，查询是否已经有该节点，如果有则直接从字典获取该节点
if self.filename in self.all_file_node.keys():
return self.all_file_node[self.filename]
# 字典中没有该节点，表示该节点还没有创建过，准备创建该节点
# data 字典里面存储的是该节点的一些属性信息
data = {"name": self.filename, "prov": self.prov, "city": self.city}
self.file_node = self.driver.create_node("file", **data)
# 新节点创建完成，将该节点保存到 GuihuaNeo4jClass 的文件字典 self.all_file_node中；
# self.all_file_node 是每个实例共享的一个类字典；
self.all_file_node[self.filename] = self.file_node
return self.file_node
get_sentence_node: 与get_file_node 类似；
add_class: 创建sentence节点，并创建 file -> sentence的关系；
add_ner: 创建在schema定义的一些实体节点，并创建 sentence -> ner_node 的关系；
@dataclass()
class GuihuaNeo4jClass:
all_file_node = {}
all_sents_node = {}
all_ner_node = {} # key: (ner_class, name)
driver: Neo4jDriver
text: str
prov: str
city: str
filename: str
def get_file_node(self):
if self.filename in self.all_file_node.keys():
return self.all_file_node[self.filename]
data = {"name": self.filename, "prov": self.prov, "city": self.city}
self.file_node = self.driver.create_node("file", **data)
# save
self.all_file_node[self.filename] = self.file_node
return self.file_node
def get_sentence_node(self, **kwargs):
if self.text in self.all_sents_node.keys():
return self.all_sents_node[self.text]
for key in kwargs.keys():
assert key in [domain_class_name, summary_class_name]
data = {
"sentence": self.text,
}
data.update(kwargs)
node = self.driver.create_node("sentence", **data)
self.sent_node = node
# save
self.all_sents_node[self.text] = self.sent_node
return self.sent_node
def add_class(self, domain_info, summary_info):
self.file_node = self.get_file_node()
# 给file下面添加text, rel: has_rel
domain_output = domain_info.outputs[0].text
summary_output = summary_info.outputs[0].text
class_data = {
domain_class_name: domain_output,
summary_class_name: summary_output,
}
self.sent_node = self.get_sentence_node(**class_data)
self.driver.create_relationship(self.file_node, "has_sentence", self.sent_node)
def add_ner(self, ner_info):
"""
给文本句创建节点
建立一个静态的 llm_ner_label
"""
try:
llm_ner_label = ner_info.outputs[0].text
llm_ner_label = json.loads(llm_ner_label)
except:
return
if not isinstance(llm_ner_label, dict):
return
for key, values in llm_ner_label.items():
if not key in ner_schema:
continue
for name in values:
if (key, name) in self.all_ner_node.keys():
ner_node = self.all_ner_node[(key, name)]
else:
ner_node = self.driver.create_node(key, name=name)
# save
self.all_ner_node[(key, name)] = ner_node
self.driver.create_relationship(self.sent_node, 'has_ner', ner_node)
