Knowledge Graph Importer

1. 介绍

本项目旨在构建一个面向科研领域的开放知识图谱（OpenKG for Research Papers），以 arXiv 上计算机视觉(CV)方向的 1343 篇论文为数据源，用于探索科研方向与论文间的关系。

数据格式示例

json { "nodes": [ {"id": "p1", "label": "Paper", "schema": "paper", "properties": {"title": "Example"}}, {"id": "a1", "label": "Author", "schema": "author", "properties": {"name": "Alice"}}, {"id": "cs.AI", "label": "Field", "schema": "field", "properties": {"name": "AI"}} ], "edges": [ {"src": "a1", "dst": "p1", "type": "AUTHOR_OF"}, {"src": "p1", "dst": "cs.AI", "type": "BELONGS_TO"} ] }

2. Installation

1) 准备环境

安装 Neo4j Desktop，新建空的本地实例，把 URI, 用户名和密码填入 build_knowledge_map.py 的配置区域

2) 安装依赖

python 3.9

bash pip install neo4j

3) 配置连接

在 build_knowledge_map.py 顶部设置 NEO4J_URI、NEO4J_USER、NEO4J_PASSWORD。
如需调整批量大小或数据路径，修改 BATCH_SIZE 与 JSON_PATH。

4) 运行导入

bash python build_knowledge_map.py

脚本会创建唯一约束，分批 upsert 节点与边，并输出跳过的未知标签/关系与统计。

5) 在 Neo4j Desktop 中查看知识图谱

3. 可做的拓展

搜索细分领域：基于 Field/Subfield 节点添加全文索引或 embedding 相似度搜索，支持按照子领域检索论文与方法。
论文推荐：
利用 AUTHOR_OF、BELONGS_TO 等关系构建协同过滤/路径特征，结合 Neo4j GDS 算法（例如 Personalized PageRank、Node2Vec）生成候选。
按用户偏好的主题或作者聚合得分，返回个性化论文列表。

Polje	Vrednost
Podaci ažurirani poslednji put	30. januar 2026.
Meta podaci ažurirani poslednji put	30. januar 2026.
Kreirano	30. januar 2026.
Format	JSON
Licenca	Creative Commons CCZero
Datastore active	False
Has views	False
Id	6295737d-f7e5-4c08-bc78-fd4efbe4d651
Mimetype	application/json
Package id	7308ba4b-e941-44cf-8547-2633542b1c4e
Position	0
Size	5 MB
State	active
Url type	upload

cv_research_paper_kg.json

Knowledge Graph Importer

1. 介绍

数据格式示例

2. Installation

3. 可做的拓展

Dodatne informacije