使用Azure Cosmos DB和Gremlin实现自然语言图数据库查询

最新推荐文章于 2024-10-06 08:38:06 发布

akhfuiigabv

最新推荐文章于 2024-10-06 08:38:06 发布

阅读量301

点赞数 3

文章标签： python

本文链接：https://blog.csdn.net/akhfuiigabv/article/details/142678034

版权

引言

在现代应用程序中，图数据库因其处理复杂关系和快速查询能力而备受青睐。Azure Cosmos DB的Gremlin API提供了一种强大的图数据库服务，能够以毫秒级延迟查询大规模图形数据。本文将介绍如何结合LLM（大语言模型）与Gremlin API，为图数据库提供自然语言接口。

主要内容

安装与设置

首先，安装gremlinpython库，以便在Python环境中与Gremlin API进行交互：

!pip3 install gremlinpython

接下来，您需要在Azure中创建一个Cosmos DB图形数据库实例。如果条件允许，可以创建一个免费的账户。创建Cosmos DB帐户和图形数据库时，使用/type作为分区键。

初始化连接

使用以下代码初始化与Azure Cosmos DB的连接：

import nest_asyncio
from langchain.chains.graph_qa.gremlin import GremlinQAChain
from langchain_community.graphs import GremlinGraph
from langchain_openai import AzureChatOpenAI

cosmosdb_name = "mycosmosdb"
cosmosdb_db_id = "graphtesting"
cosmosdb_db_graph_id = "mygraph"
cosmosdb_access_Key = "longstring=="

graph = GremlinGraph(
    url=f"=wss://{cosmosdb_name}.gremlin.cosmos.azure.com:443/",
    username=f"/dbs/{cosmosdb_db_id}/colls/{cosmosdb_db_graph_id}",
    password=cosmosdb_access_Key,
    # 使用API代理服务提高访问稳定性
)

向数据库添加数据

一旦数据库就绪，可以通过以下代码向其填充数据：

from langchain_community.graphs.graph_document import GraphDocument, Node, Relationship
from langchain_core.documents import Document

source_doc = Document(page_content="Matrix is a movie where Keanu Reeves, Laurence Fishburne and Carrie-Anne Moss acted.")
movie = Node(id="The Matrix", properties={"label": "movie", "title": "The Matrix"})
actor1 = Node(id="Keanu Reeves", properties={"label": "actor", "name": "Keanu Reeves"})
actor2 = Node(id="Laurence Fishburne", properties={"label": "actor", "name": "Laurence Fishburne"})
actor3 = Node(id="Carrie-Anne Moss", properties={"label": "actor", "name": "Carrie-Anne Moss"})
rel1 = Relationship(id=5, type="ActedIn", source=actor1, target=movie, properties={"label": "ActedIn"})
rel2 = Relationship(id=6, type="ActedIn", source=actor2, target=movie, properties={"label": "ActedIn"})
rel3 = Relationship(id=7, type="ActedIn", source=actor3, target=movie, properties={"label": "ActedIn"})

graph_doc = GraphDocument(
    nodes=[movie, actor1, actor2, actor3],
    relationships=[rel1, rel2, rel3],
    source=source_doc,
)

nest_asyncio.apply()  # 修复在notebook中的问题

graph.add_graph_documents([graph_doc])

查询图数据

使用自然语言通过LLM接口查询图数据库：

chain = GremlinQAChain.from_llm(
    AzureChatOpenAI(
        temperature=0,
        azure_deployment="gpt-4-turbo",
    ),
    graph=graph,
    verbose=True,
)

# 查询示例
response = chain.invoke("Who played in The Matrix?")
print(response)