НачатьНачать бесплатно

Создание векторного индекса

Свойства 'text' узлов Line отлично подходят для создания эмбеддингов, которые помогут отвечать на открытые вопросы о пьесе.

Используйте векторное хранилище из библиотеки langchain-neo4j, чтобы создать векторный индекс на основе свойства 'text' узлов Line.

Это упражнение является частью курса

Graph RAG с LangChain и Neo4j

Посмотреть курс

Инструкции к упражнению

  • Используйте подходящий класс для создания векторного индекса из существующего графа узлов и связей.
  • Укажите классу хранить эмбеддинги в свойстве узла 'embedding'.
  • Укажите классу создавать эмбеддинги на основе свойства узла 'text'.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

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)
Редактировать и запускать код