Advertisement

Knowledge Graphs for RAG -- Query Knowledge Graphs (吴恩达-知识图谱在RAG中的应用 1) jupyter + langchain 版

阅读量：

Knowledge Graphs for RAG – Query Knowledge Graphs （吴恩达）

1导包并配置Neo4

复制代码 
    from dotenv import load_dotenv
    import os
    
    from langchain_community.graphs import Neo4jGraph
    
    # Warning control
    import warnings
    warnings.filterwarnings("ignore")
    
    
    python
复制代码 
    load_dotenv('.env', override=True)
    NEO4J_URI = os.getenv('NEO4J_URI')#Neo4j的链接字符串，指明Neoc4j 于哪个端口
    NEO4J_USERNAME = os.getenv('NEO4J_USERNAME')#用户名
    NEO4J_PASSWORD = os.getenv('NEO4J_PASSWORD')#密码
    NEO4J_DATABASE = os.getenv('NEO4J_DATABASE')#在DBMS中要使用的数据库名
    
    
    python

1.1 使用LangChain的Neo4j初始化一个知识图谱实例

复制代码 
    kg = Neo4jGraph(
    url=NEO4J_URI, username=NEO4J_USERNAME, password=NEO4J_PASSWORD, database=NEO4J_DATABASE
    )
    
    
    python

1.2 查询电影知识图谱

1.2.1 简单实例：人和电影的关系

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.2.2 匹配图形中的所有节点

复制代码 
    # 查询图谱中的总节点数
    cypher = """
      MATCH (n) 
      RETURN count(n)
      """
    
    
    sql
复制代码 
    result = kg.query(cypher)
    result
    
    
    sql

在这里插入图片描述
给 count(n) 新的命名使其显示更优雅

复制代码 
    cypher = """
      MATCH (n) 
      RETURN count(n) AS numberOfNodes
      """
    
    
    sql
在这里插入图片描述

1.2.3 通过指定节点标签仅匹配电影节点

复制代码 
    cypher = """
      MATCH (n:Movie) 
      RETURN count(n) AS numberOfMovies
      """
    kg.query(cypher)
    
    
    sql

在这里插入图片描述
换个节点模式匹配中变量名增加可读性（movie 首字母是m，所以我们可以把n变量换成m）
在这里插入图片描述

1.2.4 通过在“person”节点上指定name属性的值来匹配单个个人

复制代码 
    cypher = """
      MATCH (tom:Person {name:"Tom Hanks"}) 
      RETURN tom
      """
    kg.query(cypher)
    
    
    sql

在这里插入图片描述
通过指定title属性的值来匹配单个Movie

复制代码 
    cypher = """
      MATCH (cloudAtlas:Movie {title:"Cloud Atlas"}) 
      RETURN cloudAtlas
      """
    kg.query(cypher)
    
    
    sql

在这里插入图片描述
如果不想返回整个cloudAtlas节点，而是只想要发行日（released）：

复制代码 
    cypher = """
      MATCH (cloudAtlas:Movie {title:"Cloud Atlas"}) 
      RETURN cloudAtlas.released
      """
    kg.query(cypher)
    
    
    sql

在这里插入图片描述
想要多个属性值时：

复制代码 
    cypher = """
      MATCH (cloudAtlas:Movie {title:"Cloud Atlas"}) 
      RETURN cloudAtlas.released, cloudAtlas.tagline
      """
    kg.query(cypher)
    
    
    sql
在这里插入图片描述

1.2.5 具有条件匹配的Cypher模式

复制代码 
    cypher = """
      MATCH (nineties:Movie) 
      WHERE nineties.released >= 1990 
    AND nineties.released < 2000 
      RETURN nineties.title
      """
    
    
    
    sql
在这里插入图片描述

1.3 多节点+关系的模式匹配

复制代码 
    cypher = """
      MATCH (actor:Person)-[:ACTED_IN]->(movie:Movie) 
      RETURN actor.name, movie.title LIMIT 10
      """
    kg.query(cypher)
    
    
    sql

在这里插入图片描述
只查询某个名字的演员参演的电影及演员全名

复制代码 
    cypher = """
      MATCH (tom:Person {name: "Tom Hanks"})-[:ACTED_IN]->(tomHanksMovies:Movie) 
      RETURN tom.name,tomHanksMovies.title
      """
    kg.query(cypher)
    
    
    sql

在这里插入图片描述
查询与演员 ‘Tom Hanks’ 共同出演电影的演员名字及电影名字

复制代码 
    # 两个node 变量： m 和 coActors， 先由Tom Hanks 查出m， 然后查出m 中的其他演员 coActors
    cypher = """
      MATCH (tom:Person {name:"Tom Hanks"})-[:ACTED_IN]->(m)<-[:ACTED_IN]-(coActors) 
      RETURN coActors.name, m.title
      """
    kg.query(cypher)
    
    
    sql
在这里插入图片描述

1.4 删除数据

复制代码 
    # 查询Emil Eifrem 演过的电影及Emil Eifrem名字
    cypher = """
    MATCH (emil:Person {name:"Emil Eifrem"})-[actedIn:ACTED_IN]->(movie:Movie)
    RETURN emil.name, movie.title
    """
    kg.query(cypher)
    
    
    sql
复制代码 
    # 删除 '演出' 关系
    cypher = """
    MATCH (emil:Person {name:"Emil Eifrem"})-[actedIn:ACTED_IN]->(movie:Movie)
    DELETE actedIn
    """
    kg.query(cypher)
    
    
    sql

1.5 添加数据

复制代码 
    # 创建（CREATE） Person节点（andreas）
    cypher = """
    CREATE (andreas:Person {name:"Andreas"})
    RETURN andreas
    """
    
    kg.query(cypher)
    
    
    sql
复制代码 
    #先查询出andreas 和emil ，然后创建（MERGE ）同事关系
    cypher = """
    MATCH (andreas:Person {name:"Andreas"}), (emil:Person {name:"Emil Eifrem"})
    MERGE (andreas)-[hasRelationship:WORKS_WITH]->(emil)
    RETURN andreas, hasRelationship, emil
    """
    kg.query(cypher)
    
    
    sql
在这里插入图片描述

全部评论 (0)

还没有任何评论哟~

相关文章推荐

Knowledge Graphs for RAG -- Query Knowledge Graphs (吴恩达-知识图谱在RAG中的应用 1) jupyter + langchain 版

KnowledgeGraphsforRAG–QueryKnowledgeGraphs（吴恩达） 1导包并配置Neo4 fromdotenvimportloaddotenv importos froml...

Knowledge Graphs for RAG -- Preparing Text Data for RAG (吴恩达-知识图谱在RAG中的应用 2) jupyter + langchain 版

PreparingTextDataforRAG 依然是导包创建Neo4j实例 fromdotenvimportloaddotenv importos fromlangchaincommunity.gr...

Knowledge Graphs for RAG -- Chatting with the SEC Knowledge Graph (吴恩达-知识图谱在RAG中的应用 6)

chattingwiththeknowledgegraph FreeNeo4j&LLMsCourses大模型知识图谱官方免费教程 1\.回顾下构建知识图谱的过程 1.1创建了一个知识图谱由Form10...

Knowledge Graphs for RAG -- Adding Relationships to the SEC Knowledge Graph (吴恩达-知识图谱在RAG中的应用 4)

AddingRelationshipstotheSECKnowledgeGraph 1导包并设置Neo4j fromdotenvimportloaddotenv importos Commondata...

Knowledge Graphs for RAG -- Constructing a Knowledge Graph from Text Documents (吴恩达-知识图谱在RAG中的应用 3)

ConstructingaKnowledgeGraphfromTextDocuments 1导包（python+langchain） fromdotenvimportloaddotenv import...

构建LangChain应用程序的示例代码：22、基于 XML 知识图的 Dougami RAG的教程（Docugami RAG over XML Knowledge Graphs (KG-RAG)）

DocugamiXMLKnowledgeGraphsKGRAG应用指南 简介 许多文档包含多种内容类型，包括文本和表格。 传统的RAG（RetrievalAugmentedGeneration）处理半...

【AI知识点】知识图谱评分函数（Scoring Function for Knowledge Graphs）

【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】 1\.评分函数的定义和作用 知识图谱评分函数（ScoringFunctionforKnowledgeGraphs）是知识图谱嵌入技术中的核...

A Toolkit for Generating Code Knowledge Graphs生成代码知识图谱的工具

AToolkitforGeneratingCodeKnowledgeGraphs生成代码知识图谱的工具 阅读量2.2k 收藏7 点赞数 文章标签：知识图谱人工智能python 版权 事实证明，知识图谱...

Explainable Reasoning over Knowledge Graphs for Recommendation

ExplainableReasoningoverKnowledgeGraphsforRecommendation 1\.摘要 近年来，将知识图结合到推荐系统中已引起越来越多的关注。通过探索知识图中的互...

Explainable Reasoning over Knowledge Graphs for Recommendation

ExplainableReasoningoverKnowledgeGraphsforRecommendation 摘要 将知识图谱引入推荐中存在的问题 未充分探索用于推断用户偏好的这种连接性 对路径内...