简介：这份资源围绕《水浒传》人物关系展开，基于Neo4j图数据库构建可视化与问答系统，面向计算机相关专业学生及企业员工，可用于课程设计、大作业、毕设或初期项目立项演示，也适合作为图数据库与知识图谱方向的实战练习素材。压缩包共197个文件，约22.84MB，包含8个Python源码文件、4个HTML页面、8个JavaScript脚本、11个CSS样式表，以及大量jpg与png示例图片，另附说明文档、PPT演示文稿和PDF资料，覆盖系统实现、界面展示与答辩汇报等环节。目前已有343人学习下载。读者可从中获得可运行的完整项目代码、Neo4j数据建模与关系查询思路、前端可视化页面实现方式，以及问答模块的交互逻辑，配合说明文档与PPT能快速理解整体架构，便于二次开发与学习借鉴。
1. 从「一百单八将」到一张图：为什么用 Neo4j 做水浒人物关系问答
读《水浒传》最劝退的地方不是文言白话夹杂，而是一百单八将加上高俅、西门庆、潘金莲这些配角，人物关系盘根错节。你想查「宋江直接或间接认识哪些朝廷官员」，翻书翻到崩溃；你想知道「武松和李逵之间隔了几个人」，靠脑子根本算不出来。这类问题本质上是图论问题，不是文本检索问题。用 Neo4j 把人物和关系存成节点与边，再配一个 Python 问答系统把自然语言转成 Cypher 查询，就能把「翻书」变成「查图」。这套方案适合三类人：想入门知识图谱的 Python 开发者、需要做课程设计的学生、以及想用真实数据练 Neo4j 查询的工程师。它不依赖大模型，纯规则匹配就能跑通，落地成本低，但能让你把图数据库的核心操作全部走一遍。
2. 数据建模与 Neo4j 环境搭建：从人物表到图结构
2.1 为什么选属性图而不是关系表
水浒人物关系如果用 MySQL 存，至少需要三张表：人物表、关系表、关系类型表。查「宋江的朋友的朋友」要写三层自连接，SQL 又长又慢。Neo4j 的属性图模型把人物存成节点，关系存成边，边本身可以带属性（比如「结拜」关系可以带结拜地点）。查多跳关系就是MATCH (a)-[:REL*1..3]-(b)，一行搞定。更关键的是，问答系统需要把自然语言里的「谁和谁是什么关系」映射成图查询，图结构天然贴合这种表达。常见做法是：人物节点标签用Person，关系类型用中文或拼音，比如结拜、师徒、上下级、亲属。我一般会把关系类型统一成英文大写，避免 Cypher 里中文转义问题，比如SWORN_BROTHER、MASTER_STUDENT。
2.2 安装 Neo4j 社区版并导入水浒数据
Neo4j 社区版免费，Windows 和 macOS 都有桌面版，Linux 用 tar.gz 离线包。安装时最容易翻车的是 Java 版本：Neo4j 4.x 需要 JDK 11，5.x 需要 JDK 17。装完启动，浏览器打开http://localhost:7474，默认账号密码都是neo4j，首次登录强制改密码。下面是用 Python 驱动批量导入人物和关系的脚本，数据源可以自己整理成 CSV，两列：from,to,relation。
from neo4j import GraphDatabase import csv # 连接本地 Neo4j，默认 bolt 端口 7687 driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j", "你的密码")) def load_data(tx, rows): # 先合并人物节点，MERGE 避免重复创建 for row in rows: tx.run( "MERGE (a:Person {name: $from}) " "MERGE (b:Person {name: $to}) " "MERGE (a)-[r:REL {type: $relation}]->(b)", from=row["from"], to=row["to"], relation=row["relation"] ) with open("shuihu_relations.csv", encoding="utf-8") as f: reader = list(csv.DictReader(f)) with driver.session() as session: session.execute_write(load_data, reader) driver.close()这段代码的逻辑是：逐行读取 CSV，用MERGE保证节点不重复，关系类型存在边的type属性里。参数说明：from和to是人物姓名，relation是关系描述。注意MERGE在数据量大时性能一般，如果超过一万行，建议先用LOAD CSV命令导入，速度能快五到十倍。导入完成后，在 Neo4j 浏览器里执行MATCH (n) RETURN count(n)验证节点数，正常应该在一百五十到两百之间（含配角）。
2.3 验证图结构：三个必查的 Cypher
导入后别急着写问答，先跑三条查询确认图是对的。第一条查节点总数和关系总数；第二条查宋江的所有直接关系；第三条查任意两人之间的最短路径。
// 1. 统计节点和关系数量 MATCH (n:Person) RETURN count(n) AS 人物数; MATCH ()-[r]->() RETURN count(r) AS 关系数; // 2. 查宋江的直接关系 MATCH (a:Person {name: "宋江"})-[r]-(b) RETURN a.name, type(r), b.name LIMIT 20; // 3. 查武松到李逵的最短路径 MATCH p = shortestPath((a:Person {name: "武松"})-[*..6]-(b:Person {name: "李逵"})) RETURN p;第一条确认数据完整；第二条检查关系方向是否正确，如果查不到，多半是导入时方向反了；第三条验证图连通性，如果返回空，说明两人之间没有路径，需要检查数据是否漏了关键人物。这里有个血泪经验：shortestPath的*..6表示最多六跳，水浒人物关系一般三跳内就能连通，设太大反而拖慢查询。
3. 问答系统实现：把自然语言转成 Cypher 查询
3.1 规则匹配还是大模型：选型理由
问答系统有两种做法：一是用大模型做意图识别和 Cypher 生成，二是用规则模板匹配。大模型方案灵活但需要 API 费用，而且生成 Cypher 容易出错，尤其是中文人名和关系类型。规则方案虽然死板，但可控、可调试、零成本。对于水浒这种封闭领域，人物和关系类型有限，规则匹配足够覆盖百分之八十的常见问题。我一般会先定义问题模板，比如「A和B是什么关系」「A的朋友有哪些」「A和B之间隔了几个人」，然后用正则提取人名，填充到 Cypher 模板里。这样即使新手也能看懂每一步在做什么，方便二次修改。
3.2 用 Python 写一个最小可用的问答引擎
下面是一个基于正则和模板的问答引擎核心代码。它接收用户输入，提取人名，匹配问题类型，执行 Cypher，返回结果。
import re from neo4j import GraphDatabase driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j", "你的密码")) # 问题模板：正则 + Cypher 模板 PATTERNS = [ (r"(.+?)和(.+?)是什么关系", "MATCH (a:Person {name: $a})-[r]-(b:Person {name: $b}) RETURN type(r) AS 关系"), (r"(.+?)的朋友有哪些", "MATCH (a:Person {name: $a})-[:REL {type: '朋友'}]-(b) RETURN b.name AS 朋友"), (r"(.+?)和(.+?)之间隔了几个人", "MATCH p = shortestPath((a:Person {name: $a})-[*..6]-(b:Person {name: $b})) " "RETURN length(p) - 1 AS 中间人数"), ] def answer(question): for pattern, cypher in PATTERNS: match = re.search(pattern, question) if match: params = {"a": match.group(1), "b": match.group(2)} if match.lastindex == 2 else {"a": match.group(1)} with driver.session() as session: result = session.run(cypher, **params) return [record.data() for record in result] return "暂时无法回答这个问题" # 测试 print(answer("宋江和武松是什么关系")) print(answer("宋江的朋友有哪些")) print(answer("武松和李逵之间隔了几个人"))逻辑说明：PATTERNS列表按顺序匹配，先匹配到的先执行。re.search提取括号里的内容作为参数。session.run执行 Cypher 并返回结果。参数说明：$a和$b是 Cypher 参数占位符，避免 SQL 注入。注意match.lastindex判断提取了几个人名，一个参数的模板只传a。这个引擎的局限是只能处理固定句式，但胜在稳定，新手可以在此基础上加更多模板。
3.3 可视化：用 pyvis 把查询结果画成关系图
问答系统返回文字结果不够直观，加上可视化才算完整。用pyvis可以把 Neo4j 查询结果渲染成交互式 HTML 图。下面代码查宋江的两跳关系并生成网页。
from pyvis.network import Network from neo4j import GraphDatabase driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j", "你的密码")) def visualize(name): net = Network(height="600px", width="100%", directed=False) with driver.session() as session: result = session.run( "MATCH (a:Person {name: $name})-[r*1..2]-(b) " "RETURN a.name AS 起点, b.name AS 终点, " "[rel IN r | type(rel)] AS 关系链", name=name ) for record in result: net.add_node(record["起点"], label=record["起点"]) net.add_node(record["终点"], label=record["终点"]) net.add_edge(record["起点"], record["终点"], title=str(record["关系链"])) net.show("shuihu_graph.html") visualize("宋江")参数说明：height和width控制画布大小，directed=False表示无向图。r*1..2表示查一到两跳关系，跳数越多图越密，建议不超过三跳。生成的 HTML 文件用浏览器打开，节点可以拖拽，边悬停显示关系链。注意pyvis依赖networkx，安装时用pip install pyvis networkx。
4. 避坑与排查：导入、查询、可视化里的五个真实翻车点
4.1 现象：Neo4j 启动报错「Java not found」
原因：Neo4j 依赖 JDK，但系统没装或者版本不对。Neo4j 4.4 需要 JDK 11，5.x 需要 JDK 17。解决：先java -version确认版本，不对就卸载重装对应版本。Windows 用户注意环境变量JAVA_HOME要指向 JDK 根目录，不是 bin 目录。
4.2 现象：Python 驱动连接超时「Unable to connect to localhost:7687」
原因：Neo4j 服务没启动，或者防火墙拦了 bolt 端口。解决：先确认 Neo4j 桌面版或服务已运行，浏览器能打开http://localhost:7474。如果浏览器能开但 Python 连不上，检查neo4j.conf里dbms.connector.bolt.listen_address是否为:7687。Linux 下用systemctl status neo4j看服务状态。
4.3 现象：导入后查不到关系，MATCH ()-[r]->() RETURN count(r)返回 0
原因：CSV 里关系类型列名和代码里的$relation不匹配，或者 CSV 编码不是 UTF-8。解决：用head -5 shuihu_relations.csv检查列名，确保是from,to,relation。编码问题用file -i查看，不是 UTF-8 就用iconv转换。另外MERGE关系时如果没加type属性，查type(r)会返回空。
4.4 现象：问答系统提取人名错误，比如「宋江和武松是什么关系」提取出「宋江和武松」
原因：正则(.+?)和(.+?)是贪婪匹配的变体，但中文里「和」可能出现在人名中（比如「何和」）。解决：把人名列表预先加载，用|连接做精确匹配，比如(宋江|武松|林冲|...)和(宋江|武松|...)。或者用jieba分词先切出人名再匹配。我一般会维护一个person_list，从 Neo4j 里查所有Person节点动态生成正则。
4.5 现象：pyvis 生成的图节点重叠，看不清
原因：默认布局是随机力导向，节点多了会挤在一起。解决：在Network初始化时加notebook=False和cdn_resources="in_line"，然后设置net.barnes_hut(gravity=0.5, central_gravity=0.3, spring_length=200)。如果还乱，减少查询跳数，或者只画指定关系类型。另外net.show()在 Jupyter 里可能不显示，改用net.save_graph("graph.html")再手动打开。
5. 进阶技巧：用 APOC 插件做路径推荐和问答扩展
5.1 装 APOC 插件解锁更多图算法
Neo4j 社区版自带的功能有限，装 APOC 插件后可以用apoc.path.expandConfig做更灵活的路径查询，还能调用apoc.algo里的图算法。安装方法：从 Neo4j 官方下载对应版本的 APOC jar 包，放到plugins目录，然后在neo4j.conf里加一行dbms.security.procedures.unrestricted=apoc.*，重启服务。验证：在浏览器执行RETURN apoc.version()，能返回版本号就成功了。
5.2 用 APOC 查「宋江到高俅的最短关系链」
普通shortestPath只能查跳数最少的路径，但你可能想查「经过最多结拜关系」的路径。APOC 的apoc.path.expandConfig支持按关系类型过滤和排序。
MATCH (a:Person {name: "宋江"}), (b:Person {name: "高俅"}) CALL apoc.path.expandConfig(a, { relationshipFilter: "REL>", minLevel: 1, maxLevel: 6, terminatorNodes: [b], uniqueness: "NODE_PATH" }) YIELD path RETURN path, length(path) AS 跳数 ORDER BY 跳数 ASC LIMIT 5;参数说明：relationshipFilter: "REL>"表示只沿REL类型的关系正向扩展；terminatorNodes指定终点；uniqueness: "NODE_PATH"避免重复节点。这条查询会返回五条从宋江到高俅的路径，按跳数排序。你可以把结果喂给问答系统，回答「宋江怎么认识高俅的」这类问题。
5.3 问答系统加一个「关系推理」模板
有了 APOC，问答系统可以支持更复杂的问题，比如「宋江通过谁认识的高俅」。实现思路：先查最短路径，再提取路径上的中间节点。
def how_connected(a, b): cypher = """ MATCH (a:Person {name: $a}), (b:Person {name: $b}) CALL apoc.path.expandConfig(a, { relationshipFilter: "REL>", minLevel: 1, maxLevel: 6, terminatorNodes: [b], uniqueness: "NODE_PATH" }) YIELD path RETURN [n IN nodes(path) | n.name] AS 路径 ORDER BY length(path) ASC LIMIT 1 """ with driver.session() as session: result = session.run(cypher, a=a, b=b) record = result.single() if record: path = record["路径"] return " -> ".join(path) return "没有找到连接路径" print(how_connected("宋江", "高俅"))这段代码返回一条最短路径的节点序列，比如「宋江 -> 吴用 -> 高俅」。逻辑说明：nodes(path)提取路径上所有节点，n.name取姓名，join拼成字符串。注意 APOC 的expandConfig在数据量大时可能慢，建议加LIMIT和maxLevel限制。我一般会把常用查询缓存到字典里，避免重复查库。
5.4 一个我踩过的坑：APOC 版本必须和 Neo4j 严格对应
有次我图省事，把 Neo4j 4.4 的 APOC 包放到 5.3 的 plugins 目录，结果启动直接报ClassNotFoundException。APOC 的版本号前两位必须和 Neo4j 一致，比如 Neo4j 5.3 只能用 APOC 5.3.x。下载时看清楚文件名里的版本号，别下错。另外dbms.security.procedures.unrestricted配置项在 Neo4j 5 里改成了dbms.security.procedures.unrestricted=apoc.*，但如果你只用了部分过程，可以只放开用到的，减少安全风险。
这套方案从建图到问答再到可视化，完整走一遍大概需要两三天，其中环境搭建占一半时间。我的习惯是先把 Neo4j 跑起来，导入十条测试数据，确认查询和可视化都通了，再批量导入全量数据。这样出问题能快速定位是数据问题还是代码问题。希望帮到你。
本文还有配套的精品资源，点击获取
