qidao123.com技术社区-IT企服评测·应用市场

标题: 本地大模型编程实战(28)查询图数据库NEO4J(1) [打印本页]
作者: 干翻全岛蛙蛙    时间: 2025-5-6 23:09
标题: 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。
   
  
安装 NEO4J

参见：在windows系统中安装图数据库NEO4J 。
预备图数据

我们先预备图数据，为后面的实验做预备。

APOC（Awesome Procedures on Cypher）是Neo4j图数据库的一个插件，它提供了一组强盛的过程和函数，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置惩罚和操纵，例如导入和导出数据、动态创建节点和关系、执行事务操纵等。

您可以到 github 下载，也可以到 csdn 下载。
下载完毕后，将rar拷贝到 NEO4J 的 plugins 目录下，重启 NEO4J 即可。

我们预备了少量电影数据，可以直接下载 movies_small 。

装好了APOC插件后，就可以导入预备好的数据了。
   我把 movies_small.csv 放在了 NEO4J 的 import 文件夹下，才可以正常导入。
  下面定义一个方法导入数据：
  1. def create_graph():
  2.     """导入数据，创建图形数据库"""
  4.     # 把movies_small.csv拷贝到neo4j的import文件夹内
  5.     db_file_path = 'file:///movies_small.csv'
  7.     movies_query = """
  8.     LOAD CSV WITH HEADERS FROM
  9.     '%s'
  10.     AS row
  11.     MERGE (m:Movie {id:row.movieId})
  12.     SET m.released = date(row.released),
  13.         m.title = row.title,
  14.         m.imdbRating = toFloat(row.imdbRating)
  15.     FOREACH (director in split(row.director, '|') |
  16.         MERGE (p:Person {name:trim(director)})
  17.         MERGE (p)-[:DIRECTED]->(m))
  18.     FOREACH (actor in split(row.actors, '|') |
  19.         MERGE (p:Person {name:trim(actor)})
  20.         MERGE (p)-[:ACTED_IN]->(m))
  21.     FOREACH (genre in split(row.genres, '|') |
  22.         MERGE (g:Genre {name:trim(genre)})
  23.         MERGE (m)-[:IN_GENRE]->(g))
  24.     """ % (db_file_path)
  26.     graph.query(movies_query)
  28.     graph.refresh_schema()
  29.     print(graph.schema)
复制代码
执行完毕上述方法后，我们可以使用 NEO4J 的管理工具检察 刚才导入数据了。
查询图数据


我们用最简朴的方式：使用GraphCypherQAChain查询图数据库：
  1. enhanced_graph = Neo4jGraph(enhanced_schema=True)
  2. print(enhanced_graph.schema)
  4. from langchain_ollama import ChatOllama
  5. 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
  7. # GraphQACypherChain
  8. from langchain_neo4j import GraphCypherQAChain
  10. chain = GraphCypherQAChain.from_llm(
  11.     graph=enhanced_graph, llm=llm, verbose=True, allow_dangerous_requests=True
  12. )
复制代码
从上面的代码来看，用GraphCypherQAChain查询NEO4J很简朴，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的实现思绪有更加清楚的了解。
  
  1. def ask(question:str):
  2.     """询问图数据库内容"""
  4.     response = chain.invoke({"query": question})
  5.     print(f'response:\n{response}')
复制代码

我们问一个图数据库内里有答案的问题吧：
  1. What was the cast of the Casino?
复制代码
在执行的过程中，可以看到 LLM 推理出了 Cypher 查询语句：
  1. > Entering new GraphCypherQAChain chain...
  2. Generated Cypher:
  3. MATCH (m:Movie {title: 'Casino'})<-[:ACTED_IN]-(a:Person) RETURN a.name
  4. Full Context:
  5. [{'a.name': 'James Woods'}, {'a.name': 'Joe Pesci'}, {'a.name': 'Robert De Niro'}, {'a.name': 'Sharon Stone'}]
复制代码
终极给出的结果是：
  1. {'query': 'What was the cast of the Casino?
  2. ', 'result': 'The cast of Casino included James Woods, Joe Pesci, Robert De Niro, and Sharon Stone.'}
复制代码
不错！
总结

通过上述演练，我们发现用 langchain 的 GraphQACypherChain 对图数据库 NEO4J 进行简朴的查询照旧比力容易实现的。
代码

本文涉及的全部代码以及相干资源都已经共享，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。
  



欢迎光临 qidao123.com技术社区-IT企服评测·应用市场 (https://dis.qidao123.com/) Powered by Discuz! X3.4