Usando entidades extraídas

A seção Dramatis Personæ do texto descreve os personagens da peça e pode ser considerada uma fonte abrangente e confiável. Ela também traz informações ricas sobre os relacionamentos pessoais entre os personagens.

 Dramatis Personæ

ESCALUS, Prince of Verona.
MERCUTIO, kinsman to the Prince, and friend to Romeo.
PARIS, a young Nobleman, kinsman to the Prince.
Page to Paris.

Complete o código para extrair os personagens do texto personae usando o character_chain e, em seguida, use a lista de personagens para construir uma lista de relacionamentos a partir do texto usando o relationship_chain.

A função visualize_families() exibirá os relacionamentos resultantes em um grafo.

Este exercicio faz parte do curso

Graph RAG com LangChain e Neo4j

Instruções do exercicio

Invoque character_chain, passando personae para extrair as entidades de personagens.
Invoque relationship_chain usando o nome do personagem, personae e os personagens extraídos em formato JSON (character_json) para extrair os relacionamentos entre os três personagens listados e os personagens listados em personae.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# Extract characters from the personae variable
output = character_chain.____({"personae": ____})

character_json = dumps([dict(character) for character in output.characters])

# Extract the relationships
for character_name in ["Romeo", "Juliet", "Friar Lawrence"]:
    relationship_output = relationship_chain.invoke({
        "character_name": character_name, 
        "personae": ____, 
        "characters": ____
    })
    
    for relationship in relationship_output.relationships:
        all_relationships.append(relationship)

visualize_families(all_relationships, output)

Editar e Executar Código

Este exercicio faz parte do curso

Graph RAG com LangChain e Neo4j

AvançadoNível de habilidade

4.8+

Comece o curso gratuitamente

Aprenda como o Graph RAG pode melhorar a precisão e a confiabilidade de aplicações RAG! Armazene informações como nós e arestas em um banco de dados Neo4j e dê ao seu LLM a capacidade de consultá-lo para recuperar informações de entidades e relacionamentos e, assim, fornecer respostas mais embasadas.

Exercise 1: Grafos e RAG Exercise 2: Criando nós Exercise 3: Criando relacionamentos Exercise 4: Salvando documentos de grafo Exercise 5: Consultando um grafo de conhecimento Exercise 6: Escrevendo instruções Cypher Exercise 7: Executando instruções Cypher Exercise 8: A cláusula MERGE Exercise 9: Graph RAG de texto para Cypher com Neo4j Exercise 10: Criando uma chain de text-to-Cypher Exercise 11: Cadeia de recuperação Text-to-Cypher

Aplicações de Text-to-Cypher funcionam bem em muitos cenários, mas dá para ir além! Descubra como construir bancos de dados de grafo usando diferentes modelos, incluindo grafos lexicais e de domínio. Crie índices vetoriais no Neo4j para ter o melhor dos dois mundos e executar recuperação por grafo e por vetor ao mesmo tempo!

Exercise 1: Grafos lexicais Exercise 2: Elementos de um grafo lexical Exercise 3: Dividindo a peça em Atos Exercise 4: Criando um grafo lexical hierárquico Exercise 5: Combinando grafos lexicais com busca vetorial Exercise 6: Criando fragmentos de texto Exercise 7: Criando um índice vetorial Exercise 8: Grafos de domínio Exercise 9: Criando uma saída estruturada Exercise 10: Solicitando uma saída estruturada Exercise 11: Fornecendo exemplos few-shot Exercise 12: Construindo uma cadeia de recuperação híbrida Exercise 13: Lambdas executáveis (runnables)Exercise 14: Atribuindo valores adicionais a uma entrada Exercise 15: O elo final da cadeia

Embora aplicações de Graph RAG geralmente sejam mais confiáveis do que vector RAG, elas não são infalíveis. Neste capítulo, você vai aprender a avaliar suas aplicações de Graph RAG, identificar nós de grafo incorretos ou duplicados e integrar memória de longo prazo para que as preferências do usuário sejam aprendidas ao longo do tempo.

Exercise 1: Resolução de entidades Exercise 2: Usando entidades extraídas

Exercicio Atual

Exercise 3: Resolução de entidades baseada em grafo Exercise 4: Avaliando Graph RAG com RAGAS Exercise 5: Criando uma avaliação com Ragas Exercise 6: Avaliando a recuperação de contexto com Ragas Exercise 7: Grafos de memória Exercise 8: Salvando a memória da conversa no grafo Exercise 9: Extraindo fatos de históricos de conversa Exercise 10: Usando fatos extraídos da conversa Exercise 11: Parabéns!