CommencezCommencez gratuitement

Créer un index vectoriel

Les propriétés 'text' de nos nœuds Line sont idéales pour générer des embeddings qui répondent à des questions ouvertes sur la pièce.

Utilisez l'entrepôt vectoriel fourni par langchain-neo4j pour créer un index vectoriel en convertissant en embeddings la propriété 'text' des nœuds Line.

Cette activité fait partie du cours

Graph RAG avec LangChain et Neo4j

Voir le cours

Instructions de l’exercice

  • Utilisez la bonne classe pour créer un index vectoriel à partir d'un graphe existant de nœuds et de relations.
  • Indiquez à la classe de stocker les embeddings dans la propriété de nœud 'embedding'.
  • Indiquez à la classe de créer des embeddings à partir de la propriété de nœud 'text'.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

from langchain_neo4j import Neo4jVector

# Create a vector store from the existing graph
line_retriever = ____.from_existing_graph(
    embedding=embeddings,
    url=NEO4J_URL, username=NEO4J_USERNAME, password=NEO4J_PASSWORD,
    index_name="lines_index",
    node_label="Line",
    # Set the embedding and text node properties
    ____="embedding",
    ____=["text"],
)

results = line_retriever.similarity_search_with_score("Biting a finger", k=3)

for result in results:
    print(result[0].page_content)
Modifier et exécuter le code