Od vektorů ke grafům

Retrieval Augmented Generation (RAG) with LangChain

Meri Nova

Machine Learning Engineer

Omezení vektorového RAG

Typický průběh RAG s vektorovým úložištěm.

Bublina s textem „témata a vztahy".

Retrieval Augmented Generation (RAG) with LangChain

Omezení vektorového RAG

Typický průběh RAG s vektorovým úložištěm.

Bublina s textem „škálovatelnost".

Retrieval Augmented Generation (RAG) with LangChain

Omezení vektorového RAG

Typický průběh RAG s vektorovým úložištěm.

Bublina s textem „integrace různorodých dat".

Retrieval Augmented Generation (RAG) with LangChain

Grafové databáze

Graf zobrazující spojení mezi lidmi, místy a zájmy.

Retrieval Augmented Generation (RAG) with LangChain

Grafové databáze – uzly

Graf zobrazující spojení mezi lidmi, místy a zájmy.

Retrieval Augmented Generation (RAG) with LangChain

Grafové databáze – hrany

Graf zobrazující spojení mezi lidmi, místy a zájmy.

Retrieval Augmented Generation (RAG) with LangChain

Grafové databáze Neo4j

 

Logo Neo4j.

Logo LangChain.

Retrieval Augmented Generation (RAG) with LangChain

Od obrázků ke grafům...

Graf zobrazující spojení mezi lidmi, místy a zájmy.

Retrieval Augmented Generation (RAG) with LangChain

Od obrázků ke grafům...

barcelona_graph.jpg

Retrieval Augmented Generation (RAG) with LangChain

Od obrázků ke grafům...

barcelona_graph.jpg

Retrieval Augmented Generation (RAG) with LangChain

Načítání a rozdělování stránek Wikipedie

from langchain_community.document_loaders import WikipediaLoader
from langchain_text_splitters import TokenTextSplitter

raw_documents = WikipediaLoader(query="large language model").load()

text_splitter = TokenTextSplitter(chunk_size=100, chunk_overlap=20) 
documents = text_splitter.split_documents(raw_documents[:3])  

print(documents[0])

page_content='A large language model (LLM) is a computational model capable of...' 
metadata={'title': 'Large language model',
          'summary': "A large language model (LLM) is...",
          'source': 'https://en.wikipedia.org/wiki/Large_language_model'}
Retrieval Augmented Generation (RAG) with LangChain

Z textu do grafů!

from langchain_openai import ChatOpenAI

from langchain_experimental.graph_transformers import LLMGraphTransformer


llm = ChatOpenAI(api_key="...", temperature=0, model_name="gpt-4o-mini")

llm_transformer = LLMGraphTransformer(llm=llm)


graph_documents = llm_transformer.convert_to_graph_documents(documents)
print(graph_documents)
Retrieval Augmented Generation (RAG) with LangChain

Z textu do grafů!

[GraphDocument(
    nodes=[
        Node(id='Llm', type='Computational model'),
        Node(id='Language Generation', type='Concept'),
        Node(id='Natural Language Processing Tasks', type='Concept'),
        Node(id='Llama Family', type='Computational model'),
        Node(id='Ibm', type='Organization'),
        ..., Node(id='Bert', type='Computational model')],
    relationships=[
        Relationship(source=Node(id='Llm', type='Computational model'),
                     target=Node(id='Language Generation', type='Concept'),
                     type='CAPABLE_OF'),
        ...])]
Retrieval Augmented Generation (RAG) with LangChain

Pojďme si to procvičit!

Retrieval Augmented Generation (RAG) with LangChain

Preparing Video For Download...