CommencerCommencez gratuitement

Créer un index vectoriel

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

Utilisez le vector store fourni par langchain-neo4j pour créer un index vectoriel en générant des embeddings à partir de la propriété 'text' des nœuds Line.

Cet exercice fait partie du cours

<cours>Graph RAG avec LangChain et Neo4j</cours>
Voir le cours

Instructions de l’exercice

  • Utilisez la classe appropriée 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