Neo4j实战：用Python构建社交网络关系图谱（附完整代码）

社交网络分析正成为数据科学领域的热门方向，而图数据库则是处理这类数据的天然工具。作为图数据库领域的领头羊，Neo4j凭借其直观的数据模型和高效的查询性能，成为构建关系网络的理想选择。本文将带您从零开始，使用Python构建一个完整的社交网络关系图谱，涵盖数据建模、关系建立、复杂查询等核心环节。

1. 环境准备与基础配置

在开始构建社交网络图谱前，我们需要搭建好开发环境。不同于传统关系型数据库，Neo4j采用图结构存储数据，这种差异也体现在开发工具链上。

首先安装必要的Python库：

pip install neo4j pandas numpy

Neo4j官方提供了Python驱动程序，支持最新的5.x版本。对于社区版和企业版，连接方式完全一致。建议使用Docker快速启动一个Neo4j实例：

docker run \
    --name neo4j-social \
    -p 7474:7474 -p 7687:7687 \
    -d \
    -v $HOME/neo4j/data:/data \
    -v $HOME/neo4j/import:/var/lib/neo4j/import \
    --env NEO4J_AUTH=neo4j/password \
    neo4j:5.12.0

连接数据库时，推荐使用以下配置参数：

from neo4j import GraphDatabase

URI = "bolt://localhost:7687"
AUTH = ("neo4j", "password")

driver = GraphDatabase.driver(URI, auth=AUTH)

提示：生产环境中应将密码存储在环境变量中，避免硬编码在代码里。Neo4j 5.x版本默认使用Bolt协议，性能比HTTP协议更高。

2. 社交网络数据建模

合理的图模型设计是高效查询的基础。社交网络中的核心元素包括用户节点、用户属性以及用户间的关系。

2.1 节点与关系设计

社交网络中的基本元素可以建模为：

• 用户节点：包含ID、姓名、注册时间等属性
• 关注关系：表示用户间的关注行为，可带有关注时间属性
• 互动关系：如点赞、评论等，可包含互动类型和次数

用Cypher语言表示这个模型：

CREATE (u1:User {
    userId: '1001',
    name: '张三',
    age: 28,
    joinDate: date('2022-01-01')
})
CREATE (u2:User {
    userId: '1002', 
    name: '李四',
    age: 32,
    joinDate: date('2022-02-15')
})
CREATE (u1)-[r:FOLLOWS {
    since: date('2022-03-10'),
    closeness: 0.8
}]->(u2)

2.2 属性与索引优化

为提升查询性能，需要对常用查询字段建立索引：

def create_indexes(tx):
    tx.run("CREATE INDEX user_id_index IF NOT EXISTS FOR (u:User) ON (u.userId)")
    tx.run("CREATE INDEX user_name_index IF NOT EXISTS FOR (u:User) ON (u.name)")

with driver.session() as session:
    session.execute_write(create_indexes)

对于社交网络，典型的查询模式包括：

查询类型	Cypher示例	适用场景
一度关系	MATCH (u1)-[:FOLLOWS]->(u2) RETURN u2	查找直接关注对象
二度关系	MATCH (u1)-[:FOLLOWS*2]->(u3) RETURN u3	查找可能认识的人
共同关注	MATCH (u1)-[:FOLLOWS]->()<-[:FOLLOWS]-(u2) RETURN u2	推荐好友

3. 数据导入与关系构建

实际项目中，社交网络数据通常来自CSV文件或API接口。下面演示如何批量导入用户数据并建立关系。

3.1 从CSV导入用户数据

假设有users.csv文件：

userId,name,age,city
1001,张三,28,北京
1002,李四,32,上海
1003,王五,25,广州

使用Neo4j的LOAD CSV命令导入：

def import_users(tx):
    query = """
    LOAD CSV WITH HEADERS FROM 'file:///users.csv' AS row
    CREATE (u:User {
        userId: row.userId,
        name: row.name,
        age: toInteger(row.age),
        city: row.city
    })
    """
    tx.run(query)

with driver.session() as session:
    session.execute_write(import_users)

3.2 动态建立关注关系

社交关系通常需要基于某些规则动态生成。例如，根据共同所在城市建立初始联系：

def create_relationships(tx):
    query = """
    MATCH (u1:User), (u2:User)
    WHERE u1.city = u2.city AND u1 <> u2
    MERGE (u1)-[r:FOLLOWS]->(u2)
    SET r.since = date(), r.weight = 0.5
    """
    tx.run(query)

对于大规模数据集，建议使用apoc.periodic.iterate过程进行批处理：

CALL apoc.periodic.iterate(
  "MATCH (u1:User), (u2:User) WHERE u1.city = u2.city AND u1 <> u2 RETURN u1, u2",
  "MERGE (u1)-[r:FOLLOWS]->(u2) SET r.since = date()",
  {batchSize:1000, parallel:true}
)

4. 复杂查询与网络分析

构建好社交图谱后，我们可以执行各种有趣的网络分析查询。

4.1 关键用户识别

识别网络中的中心节点（意见领袖）：

def find_influencers(tx):
    query = """
    MATCH (u:User)
    WITH u, size((u)<-[:FOLLOWS]-()) as followers
    ORDER BY followers DESC
    LIMIT 10
    RETURN u.name, followers
    """
    result = tx.run(query)
    return [dict(record) for record in result]

4.2 社区发现

使用Louvain算法检测用户社区：

def detect_communities(tx):
    query = """
    CALL gds.graph.project(
      'social-graph',
      'User',
      'FOLLOWS',
      {relationshipProperties: 'weight'}
    )
    CALL gds.louvain.stream('social-graph')
    YIELD nodeId, communityId
    RETURN gds.util.asNode(nodeId).name as user, communityId
    ORDER BY communityId, user
    """
    result = tx.run(query)
    return [dict(record) for record in result]

4.3 路径查找

查找两个用户之间的最短路径：

def find_shortest_path(tx, user1, user2):
    query = """
    MATCH path = shortestPath((u1:User {name: $name1})-[*]-(u2:User {name: $name2}))
    RETURN [n in nodes(path) | n.name] as path
    """
    result = tx.run(query, name1=user1, name2=user2)
    return result.single()[0]

5. 可视化与性能优化

5.1 结果可视化

使用pyvis库创建交互式网络图：

from pyvis.network import Network

def visualize_network():
    net = Network(height="750px", width="100%", notebook=True)
    
    with driver.session() as session:
        # 添加节点
        nodes = session.run("MATCH (u:User) RETURN u.userId, u.name")
        for node in nodes:
            net.add_node(node["u.userId"], label=node["u.name"])
        
        # 添加边
        edges = session.run("MATCH (u1)-[r:FOLLOWS]->(u2) RETURN u1.userId, u2.userId")
        for edge in edges:
            net.add_edge(edge["u1.userId"], edge["u2.userId"])
    
    net.show("social_network.html")

5.2 查询性能优化

针对大型社交网络的优化策略：

1. 适当使用投影图：对分析型查询，先创建内存中的子图

   CALL gds.graph.project(
     'subgraph',
     'User',
     {FOLLOWS: {orientation: 'NATURAL'}},
     {nodeProperties: ['age', 'city']}
   )
   

2. 调整内存配置：在neo4j.conf中增加页面缓存

   dbms.memory.pagecache.size=4G
   

3. 批量写入优化：使用UNWIND代替单个CREATE

   UNWIND $batch as row
   MERGE (u:User {userId: row.id})
   SET u += row.properties
   

4. 查询计划分析：使用PROFILE查看执行计划

   PROFILE MATCH (u:User)-[:FOLLOWS]->(follower)
   WHERE u.age > 30
   RETURN u.name, count(follower)
   

在实际项目中，我发现合理使用复合索引能显著提升多条件查询性能。例如，对经常一起查询的年龄和城市字段：

def create_composite_index(tx):
    tx.run("CREATE INDEX user_age_city IF NOT EXISTS FOR (u:User) ON (u.age, u.city)")