Domain graphs

Graph RAG ด้วย LangChain และ Neo4j

Adam Cowley

Manager, Developer Education at Neo4j

Domain graphs

ไดอะแกรม knowledge graph แสดง lexical graph ด้านซ้ายซึ่งมีหนังสือ บท และหน้า ส่วนด้านขวาแสดงบุคคลและบริษัทในหนังสือพร้อมอ้างอิงจากแหล่งอื่น เช่น Wikipedia

จาก Lexical graphs สู่ Domain graphs

เนื้อเพลง Don't Stop Believing ของวง Journey

จาก Lexical graphs สู่ Domain graphs

เนื้อเพลง Don't Stop Believing ของวง Journey โดยมี "Small Town Boy" ถูกไฮไลต์เป็นบุคคล

จาก Lexical graphs สู่ Domain graphs

เนื้อเพลง Don't Stop Believing ของวง Journey โดยมี "South Detroit" ถูกไฮไลต์เป็นสถานที่

จาก Lexical graphs สู่ Domain graphs

เนื้อเพลง Don't Stop Believing ของวง Journey โดยมี "Born" ถูกไฮไลต์เป็นความสัมพันธ์ระหว่างโหนดบุคคล "Small Town Boy" กับโหนดสถานที่ "South Detroit"

จาก Lexical graphs สู่ Domain graphs

เนื้อเพลง Don't Stop Believing ของวง Journey โดยมี "Raised" ถูกไฮไลต์เป็นความสัมพันธ์ระหว่างโหนดบุคคล "Small Town Boy" กับโหนดสถานที่ "South Detroit"

ตัวอย่าง Domain graph

ตัวอย่าง domain graph model แสดงบุคคลที่ทำงานในบริษัทซึ่งตั้งอยู่ที่ที่อยู่หนึ่ง บุคคลนั้นถือบัตรเครดิตที่มีคำสั่งซื้อกับบริษัทในสถานที่เดียวกัน

Structured outputs

from pydantic import BaseModel, Field

from typing import Optional


class Character(BaseModel):
    """A character from the play."""

    id: str = Field(description="A unique identifier for the character in slug-case",

                    examples=["montague-romeo", "tybalt"])

    name: str = Field(description="The full name of the character", 
                    examples=["Romeo", "Tybalt"])

    family: Optional[str] = Field(description="The name of the family they belong to", 
                    examples=["Montague", "Capulet"])


class CharacterOutput(BaseModel):
    characters: list[Character] = Field(description="A list of characters")

การใช้ Structured outputs

from langchain.chat_models import init_chat_model
llm = init_chat_model("gpt-4o-mini", model_provider="openai", api_key="...")


# With a structured output
character_model = llm.with_structured_output(CharacterOutput)


# Use within a chain
chain = extraction_prompt | character_model


# Handle the response
output = chain.invoke(...)

CharacterOutput(characters=[Character, Character, Character...])

การบันทึก Entity

nodes = [

  Node(

      type="Character",

      id=character.id,

      properties={"name": character.name, "family": character.family}

  )

  for character in output.characters

]



# Build a GraphDocument
graph_document = GraphDocument(nodes=nodes, relationships=[])


# Save to the graph
graph.add_graph_documents([graph_document])

มาฝึกกันเถอะ!

Graph RAG ด้วย LangChain และ Neo4j