本地大模型编程实战(28)查询图数据库NEO4J(1)

本文将基于langchain 框架,用LLM(大语言模型)查询图数据库NEO4J

使用 qwen2.5 做实验,用 llama3.1 查不出内容。

文章目录


安装 NEO4J

参见:在windows系统中安装图数据库NEO4J

准备图数据

我们先准备图数据,为后面的实验做准备。

  • 安装NEO4J的插件Awesome Procedures On Cypher (APOC)

APOC(Awesome Procedures on Cypher)是Neo4j图数据库的一个插件,它提供了一组强大的过程和函数,扩展了Cypher查询语言的功能。 APOC可以帮助你进行更高级的数据处理和操作,例如导入和导出数据、动态创建节点和关系、执行事务操作等。

  • 下载插件

您可以到 github 下载,也可以到 csdn 下载。

下载完毕后,将rar拷贝到 NEO4Jplugins 目录下,重启 NEO4J 即可。

  • 准备数据

我们准备了少量电影数据,可以直接下载 movies_small

  • 导入数据

装好了APOC插件后,就可以导入准备好的数据了。

我把 movies_small.csv 放在了 NEO4Jimport 文件夹下,才可以正常导入。

下面定义一个方法导入数据:

python 复制代码
def create_graph():
    """导入数据,创建图形数据库"""

    # 把movies_small.csv拷贝到neo4j的import文件夹内
    db_file_path = 'file:///movies_small.csv'

    movies_query = """
    LOAD CSV WITH HEADERS FROM 
    '%s'
    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))
    """ % (db_file_path)

    graph.query(movies_query)

    graph.refresh_schema()
    print(graph.schema) 

执行完毕上述方法后,我们可以使用 NEO4J 的管理工具查看 刚才导入数据了。

查询图数据

  • GraphCypherQAChain

我们用最简单的方式:使用GraphCypherQAChain查询图数据库:

python 复制代码
enhanced_graph = Neo4jGraph(enhanced_schema=True)
print(enhanced_graph.schema)

from langchain_ollama import ChatOllama
llm = ChatOllama(model="qwen2.5",temperature=0, verbose=True)   #llama3.1查不出内容;EntropyYue/chatglm3生成的查询有问题报错

# GraphQACypherChain
from langchain_neo4j import GraphCypherQAChain

chain = GraphCypherQAChain.from_llm(
    graph=enhanced_graph, llm=llm, verbose=True, allow_dangerous_requests=True
)

从上面的代码来看,用GraphCypherQAChain查询NEO4J很简单,复杂的工作都由GraphCypherQAChain干了。

后面我们会用langgraph来实现类似功能。,这可以让我们对GraphCypherQAChain的实现思路有更加清晰的了解。

  • 定义询问方法
python 复制代码
def ask(question:str):
    """询问图数据库内容"""

    response = chain.invoke({"query": question})
    print(f'response:\n{response}')
  • 见证效果

我们问一个图数据库里面有答案的问题吧:

text 复制代码
What was the cast of the Casino?

在执行的过程中,可以看到 LLM 推理出了 Cypher 查询语句:

Cypher 复制代码
> Entering new GraphCypherQAChain chain...
Generated Cypher:
MATCH (m:Movie {title: 'Casino'})<-[:ACTED_IN]-(a:Person) RETURN a.name
Full Context:
[{'a.name': 'James Woods'}, {'a.name': 'Joe Pesci'}, {'a.name': 'Robert De Niro'}, {'a.name': 'Sharon Stone'}]

最终给出的结果是:

text 复制代码
{'query': 'What was the cast of the Casino?', 'result': 'The cast of Casino included James Woods, Joe Pesci, Robert De Niro, and Sharon Stone.'}

不错!

总结

通过上述演练,我们发现用 langchainGraphQACypherChain 对图数据库 NEO4J 进行简单的查询还是比较容易实现的。


代码

本文涉及的所有代码以及相关资源都已经共享,参见:

为便于找到代码,程序文件名称最前面的编号与本系列文章的文档编号相同。

🪐感谢您观看,祝好运🪐

相关推荐
巴里巴气2 小时前
selenium基础知识 和 模拟登录selenium版本
爬虫·python·selenium·爬虫模拟登录
19892 小时前
【零基础学AI】第26讲:循环神经网络(RNN)与LSTM - 文本生成
人工智能·python·rnn·神经网络·机器学习·tensorflow·lstm
JavaEdge在掘金2 小时前
Redis 数据倾斜?别慌!从成因到解决方案,一文帮你搞定
python
ansurfen2 小时前
我的第一个AI项目:从零搭建RAG知识库的踩坑之旅
python·llm
前端付豪2 小时前
20、用 Python + API 打造终端天气预报工具(支持城市查询、天气图标、美化输出🧊
后端·python
前端付豪2 小时前
19、用 Python + OpenAI 构建一个命令行 AI 问答助手
后端·python
amazinging3 小时前
北京-4年功能测试2年空窗-报培训班学测开-第四十三天
python·学习
wgyang20163 小时前
我的第一个LangFlow工作流——复读机
python
Zhen (Evan) Wang4 小时前
(豆包)xgb.XGBRegressor 如何进行参数调优
开发语言·python
我爱一条柴ya4 小时前
【AI大模型】线性回归:经典算法的深度解析与实战指南
人工智能·python·算法·ai·ai编程