Een vectorindex maken
De 'text'-eigenschappen op onze Line-knooppunten zijn ideaal om embeddings te genereren die open vragen over het toneelstuk kunnen beantwoorden.
Gebruik de vector store van langchain-neo4j om een vectorindex te maken door de 'text'-eigenschap van de Line-knooppunten te embedden.
Deze oefening maakt deel uit van de cursus
Graph RAG met LangChain en Neo4j
Oefeninstructies
- Gebruik de juiste klasse om een vectorindex te maken op basis van een bestaande graaf met knooppunten en relaties.
- Geef de klasse de instructie om de embeddings op te slaan in de
'embedding'-knoopeigenschap. - Geef de klasse de instructie om embeddings te creëren op de
'text'-knoopeigenschap.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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)