曹皓伟 徐建良 窦方坤

摘  要： 人类积累了大量的生物医药科研数据，这些数据以不同的形式存放在不同的数据源中，而数据的组织形式决定了数据的使用价值。为了使数据发挥更大的价值，将多源异构数据应用于知识挖掘与发现，深入研究和改进了知识融合等知识图谱的构建技术，使用Neo4j图形数据库进行数据存储，构建了生物医药领域的大规模知识图谱。知识图谱的构建可为后期的知识挖掘与知识图谱的应用作支撑。

关键词： Neo4j; 图数据库; 生物医药; 知识图谱构建; 数据融合

中图分类号：TP399          文献标识码：A     文章编号：1006-8228（2020）06-35-04

Abstract： Human beings have accumulated a large number of biomedical research data， which are stored in different forms in different sources. The organization of the data determines the use value of the data. In order to make the data play a greater value， the multi-source heterogeneous data is applied to knowledge mining and discovery. The construction technologies of knowledge graph such as knowledge fusion are deeply studied and improved in this paper， and Neo4j graph database is used for data storage to construct a large-scale knowledge graph in the field of biomedicine， which can support knowledge mining and other applications later.

Key words： Neo4j; knowledge graph; biomedicine; knowledge graph construction; data fusion

0 引言

2012年Google公司提出知识图谱的概念，目的是加强智能搜索[1]，概念提出后备受关注，自此各大公司与科研机构先后推出面向各行业各领域的知识图谱。目前知识图谱已被广泛应用于电商、金融、医学等领域，在智能搜索、反欺诈、智能决策和智能问答等方面发挥着重要的作用[2]。

1 研究现状

1.1 知识图谱的定义

知识图谱基于图的数据结构进行存储，是语义网络的技术之一，知识图谱由head、relationship、tail三元组构成[3]，可以表示为G={H，R，T}，其中H={h1，h2，…h|n|}代表了知识图谱中实体的集合，R代表了知识图谱中所有关系的集合，T属于H×R×H，代表了知识图谱中的三元组集合，三元组集合的基本表示形式包括{实体A，关系，实体B}，如化合物A对蛋白质B具有活性、{实体，包含，属性}，如化合物具有相对分子质量的属性，{属性、属性的值、值}，如相对分子质量是124.5g/mol等。知识图谱在本质上表示了实体之间的语义关系，是对现实世界中事物和关联的描述。……