我要投稿
微信搜一搜，关注“智知鱼之乐”
1.使用 Neo4jGraph 类来初始化图数据库的操作对象，这将用于后续的图数据添加和查询。
graph = Neo4jGraph()后续在此对neo4j添加图数据：
graph.add_graph_documents( graph_documents, baseEntityLabel=True, include_source=True)
2.文档切分
通过TokenTextSplitter 将文档内容切分为更小的片段，这有助于处理和分析。
3.转换文档
使用 LLMGraphTransformer 将切分后的文档转换成图形文档。
llm_transformer = LLMGraphTransformer(llm=llm)graph_documents = llm_transformer.convert_to_graph_documents(documents)
4.使用jupyter打印输出图数据
widget = GraphWidget(graph = session.run(cypher).graph()) widget.node_label_mapping = 'id'display(widget)
查询到的一条neo4j图数据库的完整信息：
（贾宝玉--爱情关系--林黛玉）
源节点：
<record s="<Node" element_id="4:aacd41cc-95d0-49bb-a87d-7a6ad2fc8b8e:2" labels="frozenset({'Person'," '__entity__',="" '<="" span="">人物'}) properties={'id': '贾宝玉'}>
关系：
r=<relationship element_id="5:aacd41cc-95d0-49bb-a87d-7a6ad2fc8b8e:1152922604118474754" nodes="(<Node" labels="frozenset({'Person'," '__entity__',="" '<="" span="">人物'}) properties={'id': '贾宝玉'}>,<node element_id="4:aacd41cc-95d0-49bb-a87d-7a6ad2fc8b8e:3" labels="frozenset({'Person'," '__entity__',="" '<="" span="">人物'}) properties={'id': '林黛玉'}>) type='爱情关系' properties={}>
目标节点：
t=<node element_id="4:aacd41cc-95d0-49bb-a87d-7a6ad2fc8b8e:3" labels="frozenset({'Person'," '__entity__',="" '<="" span="">人物'}) properties={'id': '林黛玉'}>>
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-07-12
Agent KB：让Agent越用越聪明！
2025-07-12
【Agent专题】MCP架构实战：开发者必藏！最全MCP智能代理构建指南，附实操解析
2025-07-12
又一个细分领域被AI颠覆，750万美元押注AI产品测试，这家公司让4-6周测试周期缩短至数小时
2025-07-12
AI Agent 的护城河：从私有数据、专有工具到演化式信任
2025-07-11
让大模型更懂你，京东零售的算法工程师做了这些事
2025-07-11
Agent革命前夜，中国移动“九天”如何落地
2025-07-11
用了它之后，我明白了Manus的困境
2025-07-11
AI 将如何改变我们构建产品的途径
2025-05-29
2025-05-23
2025-04-29
2025-04-29
2025-05-07
2025-05-07
2025-05-07
2025-06-01
2025-05-07
2025-04-17
2025-07-10
2025-07-10
2025-07-10
2025-07-09
2025-07-08
2025-07-07
2025-07-05
2025-07-04
回到顶部
粤ICP备17114055号