Элементы лексического графа

На диаграмме показан граф, объединяющий элементы лексического графа и сущности, извлечённые из исходного текста.

Выберите из списка сущности, которые входят в состав лексического графа.

Это упражнение является частью курса

Graph RAG с LangChain и Neo4j

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Graph RAG с LangChain и Neo4j

SkillTag.level.advancedSkillTag.label

4.8+

Начать курс бесплатно

Узнайте, как Graph RAG повышает точность и надёжность RAG-приложений! Сохраняйте информацию в виде узлов и рёбер в базе данных Neo4j и предоставьте языковой модели возможность выполнять запросы к ней — так она сможет извлекать информацию о сущностях и связях и давать обоснованные ответы.

Exercise 1: Графы и RAG Exercise 2: Создание узлов Exercise 3: Создание связей Exercise 4: Сохранение графовых документов Exercise 5: Запросы к графу знаний Exercise 6: Написание запросов на Cypher Exercise 7: Выполнение Cypher-запросов Exercise 8: Оператор MERGE Exercise 9: Graph RAG с Neo4j: преобразование текста в Cypher Exercise 10: Создание цепочки text-to-Cypher Exercise 11: Цепочка извлечения данных с Text-to-Cypher

Приложения на основе перевода текста в Cypher хорошо справляются со многими задачами, но можно сделать лучше! Узнайте, как строить графовые базы данных с использованием различных графовых моделей, включая лексические и предметные графы. Создавайте векторные индексы Neo4j, чтобы получить лучшее из двух подходов: запускать графовое и векторное извлечение одновременно!

Exercise 1: Лексические графы Exercise 2: Элементы лексического графа

Текущее упражнение

Exercise 3: Разбиение пьесы на акты Exercise 4: Создание иерархического лексического графа Exercise 5: Объединение лексических графов с векторным поиском Exercise 6: Создание фрагментов текста Exercise 7: Создание векторного индекса Exercise 8: Доменные графы Exercise 9: Создание структурированного вывода Exercise 10: Запрос структурированного вывода Exercise 11: Добавление примеров для метода few-shot Exercise 12: Построение гибридной цепочки извлечения данных Exercise 13: Runnable-лямбды Exercise 14: Добавление дополнительных значений к входным данным Exercise 15: Последнее звено в цепочке

Хотя Graph RAG-приложения, как правило, надёжнее векторных, они не лишены погрешностей. В этой главе вы научитесь оценивать свои Graph RAG-приложения, выявлять ошибочные или дублирующиеся узлы графа, а также интегрировать долгосрочную память, чтобы система могла учитывать предпочтения пользователей.

Exercise 1: Разрешение сущностей Exercise 2: Использование извлечённых сущностей Exercise 3: Разрешение сущностей на основе графа Exercise 4: Оценка Graph RAG с помощью RAGAS Exercise 5: Создание оценки с помощью Ragas Exercise 6: Оценка качества извлечения контекста с помощью Ragas Exercise 7: Графы памяти Exercise 8: Сохранение памяти разговора в графе Exercise 9: Извлечение фактов из истории диалогов Exercise 10: Использование извлечённых фактов из переписки Exercise 11: Поздравляем!