构建一个简单的图查询引擎

在过去的 2 篇博客中，我们了解了如何安装 neo4j 并将数据加载到其中。在这篇博客中，我们将了解如何构建一个简单的图形查询引擎来回答我们的问题，但从 Neo4j 检索数据。

第 1 步：构建 CYPHER 查询

• 要构建密码查询，我们需要向 GPT 提供架构信息、属性信息以及我们的问题。使用此元数据 GPT 将为我们提供查询。

• 我已经为每个用户输入构建了返回3个查询的提示

1. 正则表达式- 此查询将具有正则表达式模式来匹配 graphDB 中的数据
2. Levenshtein 相似度- 此查询将使用阈值分数大于 0.5 的 Levenshtein 相似度来匹配并从图 DB 中获取数据。
3. 基于嵌入的匹配- 我们已经将嵌入推送到我们的数据库中，因此此查询将使用用户查询的嵌入，并使用余弦相似度的分数重新排序完整列表。也许这也可以改进以返回前 5 名。

雷雷

第 2 步 - 在第三个查询中填充嵌入

• 第三个查询使用gds.similarity.cosine()，因此我们将用户查询转换为嵌入并将其填充到第三个查询中

雷雷

第 3 步 - 查询数据库

• 使用准备好的密码查询查询数据库

雷雷

第 4 步 - 增强一代

• 使用获取的数据命中GPT，使用增强生成技术，借助增强信息生成用户查询的响应

雷雷

完整代码

雷雷

让我们尝试一下

雷雷

输出

在下一篇博客中，我们将构建一个简单的 FastAPI 应用程序，将此设置公开为 API。

希望这有帮助...!!!

LinkedIn - https://www.linkedin.com/in/praveenr2998/
Github - https://github.com/praveenr2998/Creating-Lightweight-RAG-Systems-With-Graphs/blob/main/fastapi_app/query_engine.py

以上是构建一个简单的图查询引擎的详细内容。更多信息请关注PHP中文网其他相关文章！