使用图数据库构建问答应用程序-优快云博客

本文链接：https://blog.youkuaiyun.com/qahaj/article/details/145880440

在本文中，我们将深入探讨如何在图数据库之上构建一个问答系统。这样的系统能够接收自然语言问题，并基于图数据库中的数据返回答案。

技术背景介绍

图数据库是一种以节点和关系的形式存储数据的数据库，非常适合处理复杂的关系和连接。使用图数据库进行问答系统的构建，可以直接从结构化的数据中提取有价值的信息。我们将使用Neo4j作为示例数据库，以及OpenAI的GPT模型来转换人类问题至图数据库查询。

核心原理解析

在高层次上，图数据库问答链的步骤如下：

问题转换为图数据库查询：模型将用户输入转换为图数据库查询（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：使用查询结果生成自然语言形式的答案。

代码实现演示

首先，需要获取必要的软件包并设置环境变量。在本示例中，我们使用的是Neo4j图数据库。

%pip install --upgrade --quiet langchain langchain-community langchain-openai neo4j

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass()

接下来，定义Neo4j的凭证：

os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "password"

以下示例将创建一个与Neo4j数据库的连接，并使用关于电影及其演员的示例数据填充数据库。

from langchain_community.graphs import Neo4jGraph

graph = Neo4jGraph()

# 导入电影信息
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)

为了让LLM能够生成Cypher语句，它需要了解图的模式。当实例化一个图对象时，它会检索有关图的模式信息。

graph.refresh_schema()
print(graph.schema)

现在，我们已经有了一个可以查询的图数据库，接下来将其连接到LLM。

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)

应用场景分析

此类问答系统可用于多个领域，如电影推荐系统、社交网络分析以及企业知识图谱的问答系统等。这些应用能够迅速从复杂的数据结构中提取并展示信息。

实践建议

确保数据库连接权限仅限于问答系统所需的范围，以减少安全风险。
定期刷新图的模式信息以匹配最新的数据库结构。
尝试高级提示工程技术以提高查询生成的准确性。

如果遇到问题欢迎在评论区交流。
—END—