Creare un indice vettoriale

Le proprietà 'text' sui nostri nodi Line sono perfette per generare embedding che rispondano a domande aperte sull'opera.

Usa il vector store fornito da langchain-neo4j per creare un indice vettoriale a partire dall'embedding della proprietà 'text' dei nodi Line.

Questo esercizio fa parte del corso

Graph RAG con LangChain e Neo4j

Visualizza corso

Istruzioni dell'esercizio

Usa la classe corretta per creare un indice vettoriale da un grafo esistente di nodi e relazioni.
Indica alla classe di salvare le embedding nella proprietà di nodo 'embedding'.
Indica alla classe di creare le embedding dalla proprietà di nodo 'text'.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

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)

Modifica ed esegui il codice

Questo esercizio fa parte del corso

Graph RAG con LangChain e Neo4j

AvançadoNível de habilidade

4.8+

Inizia il corso gratuitamente

Scopri come Graph RAG può migliorare l’accuratezza e l’affidabilità delle applicazioni RAG! Memorizza le informazioni come nodi e archi in un database Neo4j e dai al tuo LLM la possibilità di interrogarlo, così potrà recuperare informazioni su entità e relazioni per fornire risposte più informate.

Exercise 1: Grafi e RAG Exercise 2: Creare nodi Exercise 3: Creare relazioni Exercise 4: Salvare i documenti del grafo Exercise 5: Interrogare un grafo della conoscenza Exercise 6: Scrivere istruzioni Cypher Exercise 7: Eseguire istruzioni Cypher Exercise 8: La clausola MERGE Exercise 9: Graph RAG da testo a Cypher con Neo4j Exercise 10: Creare una chain text-to-Cypher Exercise 11: Catena di recupero Text-to-Cypher

Le applicazioni Text-to-Cypher funzionano bene in molti casi, ma possiamo fare di meglio! Scopri come costruire database a grafo usando diversi modelli, inclusi i grafi lessicali e di dominio. Crea indici vettoriali in Neo4j per avere il meglio di entrambi i mondi ed eseguire recupero su grafo e vettoriale in parallelo!

Exercise 1: Grafi lessicali Exercise 2: Elementi di un grafo lessicale Exercise 3: Suddividere l'opera in Atti Exercise 4: Creare un grafo lessicale gerarchico Exercise 5: Combinare i grafi lessicali con la ricerca vettoriale Exercise 6: Creare chunk di testo Exercise 7: Creare un indice vettoriale

Esercizio attuale

Exercise 8: Grafi di dominio Exercise 9: Creare un output strutturato Exercise 10: Richiedere un output strutturato Exercise 11: Fornire esempi few-shot Exercise 12: Creare una catena di recupero ibrida Exercise 13: Lambda eseguibili Exercise 14: Assegnare valori aggiuntivi a un input Exercise 15: L’ultimo anello della catena

Sebbene le applicazioni Graph RAG siano in genere più affidabili delle RAG vettoriali, non sono infallibili. In questo capitolo imparerai a valutare le tue applicazioni Graph RAG, a individuare nodi di grafo errati o duplicati e a integrare una memoria a lungo termine per apprendere le preferenze dell’utente nel tempo.

Exercise 1: Risoluzione delle entità Exercise 2: Usare le entità estratte Exercise 3: Risoluzione di entità basata su grafo Exercise 4: Valutare Graph RAG con RAGAS Exercise 5: Creare una valutazione con Ragas Exercise 6: Valutare il recupero del contesto con Ragas Exercise 7: Grafi di memoria Exercise 8: Salvare la memoria della conversazione nel grafo Exercise 9: Estrarre fatti dalle cronologie di conversazione Exercise 10: Utilizzare i fatti estratti dalla conversazione Exercise 11: Congratulazioni!