Skip to main content
Open In ColabOpen on GitHub

Diffbot

Diffbot 是一套基于机器学习的产品，使得结构化网页数据变得简单。

Diffbot的 自然语言处理 API 允许从非结构化文本数据中提取实体、关系和语义含义。 Open In Colab

用例​

文本数据通常包含丰富的关系和见解，可用于各种分析、推荐引擎或知识管理应用。

通过将 Diffbot's NLP API 与 Neo4j（一种图数据库）相结合，您可以基于从文本中提取的信息创建强大且动态的图结构。这些图结构可完全查询，并可集成到各种应用程序中。

这种组合支持以下使用场景：

  • 从文本文档、网站或社交媒体源构建知识图谱（例如 Diffbot的知识图谱）。
  • 根据数据中的语义关系生成推荐。
  • 创建能够理解实体之间关系的高级搜索功能。
  • 构建分析仪表板，使用户能够探索数据中隐藏的关系。

概览​

LangChain 提供了与图数据库交互的工具：

  1. Construct knowledge graphs from text 使用图转换器和存储集成
  2. Query a graph database 使用链进行查询创建和执行
  3. Interact with a graph database 使用智能体实现强大且灵活的查询

设置​

首先，获取所需的软件包并设置环境变量：

%pip install --upgrade --quiet  langchain langchain-experimental langchain-openai langchain-neo4j neo4j wikipedia

Diffbot NLP API​

Diffbot's NLP API 是一个用于从非结构化文本数据中提取实体、关系和语义上下文的工具。 提取的信息可用于构建知识图谱。 要使用该API，您需要从 Diffbot 获取免费API令牌。

from langchain_experimental.graph_transformers.diffbot import DiffbotGraphTransformer

diffbot_api_key = "DIFFBOT_KEY"
diffbot_nlp = DiffbotGraphTransformer(diffbot_api_key=diffbot_api_key)

该代码获取关于“沃伦·巴菲特”的维基百科文章，然后使用 DiffbotGraphTransformer 提取实体和关系。 DiffbotGraphTransformer 输出一个结构化数据 GraphDocument，可用于填充图数据库。 请注意，由于 Diffbot 的每次 API 请求的字符数限制，避免了文本分块。

from langchain_community.document_loaders import WikipediaLoader

query = "Warren Buffett"
raw_documents = WikipediaLoader(query=query).load()
graph_documents = diffbot_nlp.convert_to_graph_documents(raw_documents)
API 参考:WikipediaLoader

将数据加载到知识图谱中​

您需要有一个正在运行的 Neo4j 实例。一种选择是在其 Aura 云服务中创建一个免费的 Neo4j 数据库实例。您也可以使用Neo4j Desktop 应用程序在本地运行数据库，或通过运行 Docker 容器来实现。您可以通过执行以下脚本来运行本地的 Docker 容器：

docker run \
    --name neo4j \
    -p 7474:7474 -p 7687:7687 \
    -d \
    -e NEO4J_AUTH=neo4j/password \
    -e NEO4J_PLUGINS=\[\"apoc\"\]  \
    neo4j:latest

如果您使用的是 Docker 容器，则需要等待几秒钟，以便数据库启动。

from langchain_neo4j import Neo4jGraph

url = "bolt://localhost:7687"
username = "neo4j"
password = "password"

graph = Neo4jGraph(url=url, username=username, password=password)
API 参考:Neo4jGraph

该 GraphDocuments 可以使用 add_graph_documents 方法加载到知识图谱中。

graph.add_graph_documents(graph_documents)

刷新图谱模式信息​

如果数据库的模式发生变化，您可以刷新生成Cypher语句所需的模式信息

graph.refresh_schema()

查询图谱​

我们现在可以使用图谱Cypher问答链来向图谱提问。建议使用gpt-4来生成Cypher查询，以获得最佳体验。

from langchain_neo4j import GraphCypherQAChain
from langchain_openai import ChatOpenAI

chain = GraphCypherQAChain.from_llm(
    cypher_llm=ChatOpenAI(temperature=0, model_name="gpt-4"),
    qa_llm=ChatOpenAI(temperature=0, model_name="gpt-3.5-turbo"),
    graph=graph,
    verbose=True,
    allow_dangerous_requests=True,
)
chain.run("Which university did Warren Buffett attend?")


> Entering new GraphCypherQAChain chain...
Generated Cypher:
MATCH (p:Person {name: "Warren Buffett"})-[:EDUCATED_AT]->(o:Organization)
RETURN o.name
Full Context:
[{'o.name': 'New York Institute of Finance'}, {'o.name': 'Alice Deal Junior High School'}, {'o.name': 'Woodrow Wilson High School'}, {'o.name': 'University of Nebraska'}]

> Finished chain.
'Warren Buffett attended the University of Nebraska.'
chain.run("Who is or was working at Berkshire Hathaway?")


> Entering new GraphCypherQAChain chain...
Generated Cypher:
MATCH (p:Person)-[r:EMPLOYEE_OR_MEMBER_OF]->(o:Organization) WHERE o.name = 'Berkshire Hathaway' RETURN p.name
Full Context:
[{'p.name': 'Charlie Munger'}, {'p.name': 'Oliver Chace'}, {'p.name': 'Howard Buffett'}, {'p.name': 'Howard'}, {'p.name': 'Susan Buffett'}, {'p.name': 'Warren Buffett'}]

> Finished chain.
'Charlie Munger, Oliver Chace, Howard Buffett, Susan Buffett, and Warren Buffett are or were working at Berkshire Hathaway.'