Neo4j在知识图谱中的应用(3)——PMP项目管理知识模型与数据的批量导入

模型概述

根据PMBOK指南(项目管理知识体系指南)第6版,首先建立三个核心概念之间的关系:项目管理过程、工具与技术、输入输出。
其中,每个过程(Process)有若干个输入(INPUT)、工具和技术(TT)和输出(OUTPUT),当然,各过程的输入输出工具与技术都可以复用,因此形成了复杂的多对多关系。
三个核心概念和它们之间的关系都事先写到文本文件中批量导入。

准备文件

文件process.csv记录了49个过程的信息,格式如下,

processId:ID,name,knowledgeArea,processGroup,describe,:LABEL
p01,"制定项目章程","整合","启动","编写...",Process
p02,"制定项目管理计划","整合","规划","协调项目...",Process
……

processId表示过程ID,在Neo4j全局这个ID必须唯一,跟任何类型的节点ID都不能重复。name,knowledgeArea,processGroup,describe是节点的属性,LABEL指出该节点类型,本文件中节点类型都是Process

文件TT.csv记录了136个工具与技术的信息,格式如下,

ttId:ID,name,sort,describe,:LABEL
tt001,"标杆对照","数据收集","指将实际...",TT
tt002,"头脑风暴","数据收集","用于在...",TT
……

本文件中节点类型都是TT

文件IO.csv记录了85个输入输出的信息,格式如下,

ioId:ID,name,sort,describe,:LABEL
io01,"范围管理计划","项目管理计划","确立...",IO
io02,"需求管理计划","项目管理计划","确定...",IO
……

本文件中节点类型都是IO

导入

下面把三个文件导入neo4j

进入neo4j根目录,删除原有data目录:

rm -rf data

把csv文件上传到服务器,我直接传到neo4j根目录,执行下面语句导入

bin/neo4j-admin import --nodes process.csv --nodes io.csv --nodes tt.csv --multiline-fields

multiline-fields参数表示字段中允许换行
重启neo4j服务

bin/neo4j restart

因为删除了data目录,再次登录时密码重置为neo4j,需要再次修改
执行

match(n) return n

结果如下,因为没有设置节点之间的关系,只展示了三类节点


1.png

建立节点之间关系

接下来写一个文件relation.csv记录节点之间的关系:

:START_ID,:END_ID,:TYPE
p01,io53,INPUT
p01,io54,INPUT
p01,io72,INPUT
p01,io55,INPUT
p01,io56,INPUT
p01,tt098,TT
p01,tt002,TT
p01,tt005,TT
p01,tt006,TT
p01,io57,OUTPUT
p01,io22,OUTPUT

:START_ID表示关系的开始节点,:END_ID表示结束节点,:TYPE表示关系类型。解释一下第一行,p01节点代表“制定项目章程”过程,io53节点代表“商业论证”这个文件,INPUT表示输入关系,因此这行表明制定项目章程的一个输入是商业论证

删除data节点,完整执行下面语句:

bin/neo4j-admin import --nodes process.csv --nodes io.csv --nodes tt.csv --relationships relation.csv

重启动neo4j服务器,可以查看完整关系图如下,展现出了各种关系。


1.jpg

查询

接下来就可以进行图查询了,
查询“制定项目章程”这个过程的工具和技术,语句如下:

match(p)-[:TT]-(t) where p.name="制定项目章程" return (p)-[:TT]-(t)

结果如图:


1.png

查询执行过程组中哪些过程输出了“变更请求”

match(p)-[:OUTPUT]-(io) where p.processGroup="执行" and io.name="变更请求" return p.name
2.png

注意事项

每次导入文件的时候都需要把原有data目录清空,然后把需要的节点、关系一次导入,不能分批导入。
后面如果更新的话还要把原有data全部情况,再把所有数据一次性导入,生产环境下切记保留原始数据!!!

后记

在项目管理知识体系中还有其他更复杂的关系,比如哪些概念易混淆、哪些概念之间有包含关系等等,这些信息都可以经过结构化之后加入知识图谱。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,590评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 86,808评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,151评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,779评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,773评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,656评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,022评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,678评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,038评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,659评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,756评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,411评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,005评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,973评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,053评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,495评论 2 343