CS Knowledge Graph - 计算机科学知识图谱

项目简介

CS Knowledge Graph 是一个专门为计算机科学领域设计的知识图谱系统。系统以C++语言知识为起点，逐步扩展到计算机科学的各个领域，为学习者提供结构化的知识体系。

主要功能

• 知识查询和浏览: 通过图形化界面浏览计算机科学概念之间的关系
• 知识可视化: 交互式的知识图谱展示，直观呈现知识网络
• 知识管理和编辑: 支持知识的增删改查操作
• 智能问答系统: 基于知识图谱的AI问答能力（规划中）

技术栈

• 后端: Python 3.9 + Flask/FastAPI
• 图数据库: Neo4j
• 前端: React + D3.js
• 数据处理: Pandas, NetworkX, SpaCy

环境要求

• Python 3.9+
• Neo4j 5.0+
• Conda环境管理器

快速开始

1. 环境配置

# 创建conda环境
conda create -n cs_kg_env python=3.9 -y

# 激活环境
conda activate cs_kg_env

# 安装依赖
pip install -r requirements.txt

2. 数据库配置

确保Neo4j数据库已安装并运行，默认连接配置：

• URL: bolt://localhost:7687
• 用户名: neo4j
• 密码: password

3. 运行项目

# 启动API服务
python src/api/app.py

# 访问Web界面
# http://localhost:5000

项目结构

CS_Knowledge_Graph/
├── src/
│   ├── core/           # 核心业务逻辑
│   ├── data/           # 数据处理和导入
│   ├── api/            # API接口
│   ├── visualization/  # 可视化组件
│   └── models/         # 数据模型
├── data/               # 数据文件
│   ├── raw/           # 原始数据
│   ├── processed/     # 处理后数据
│   └── exports/       # 导出数据
├── tests/              # 测试代码
├── docs/               # 文档
├── frontend/           # 前端代码
└── config/             # 配置文件

贡献指南

1. Fork 本仓库
2. 创建功能分支
3. 提交更改
4. 推送到分支
5. 创建 Pull Request

许可证

MIT License

更新日志

详细更新记录请查看 CLAUDE.md