知识图谱构建实战：GraphRAG与Neo4j的结合之道

前言

我们在前面讲解 GraphRag 从原始文本中提取知识图谱和构建图结构的时候，最后存储的文件是parquet 格式，文件存储在下面文件夹：

这节我们就探索一下怎么将我们生成好的图谱文件导入到我们的 Neo4j 图数据库，最后进行可视化分析，也能和我们之前的项目混合检索结合起来。

一、准备工作

新建一个 python 脚本文件，比如 graphrag_import.py 可以放在项目的根目录，这里可以随便选择，然后设置我们GraphRAG 生成的图谱文件目录：

  GRAPHRAG_FOLDER="artifacts"

安装 neo4j ，如果前面安装过，可以忽略:

  pip install --upgrade --quiet neo4j

导入我们需要的库：

import pandas as pd
from neo4j import GraphDatabase
import time

设置我们的 Neo4j 图库地址，账户密码，以及要导入的数据库名字：

NEO4J_URI="bolt://********:7687"
NEO4J_USERNAME="neo****"
NEO4J_PASSWORD="*****"
NEO4J_DATABASE="****"
driver = GraphDatabase.driver(NEO4J_URI, auth=(NEO4J_USERNAME, NEO4J_PASSWORD))

下载一个语料数据集，https://www.gutenberg.org/cache/epub/24022/pg24022.txt 。

根目录新建 /ragtest/input 空文件，然后把下载好的语料文件放入 input 下面。

二、创建约束

定义一个批处理方法， 使用批处理方法将数据导入 Neo4j 。

参数：statement 是要执行的 Cypher 查询，df 是要导入的数据框，batch_size 是每批要导入的行数。

def batched_import(statement, df, batch_size=1000):
    total = len(df)
    start_s = time.time()
    for start in range(0,total, batch_size):
        batch = df.iloc[start: min(start+batch_size,total)]
        result = driver.execute_query("UNWIND $rows AS value " + statement,
                                      rows=batch.to_dict('records'),
                                      database_=NEO4J_DATABASE)
        print(result.summary