使用知識圖譜，大幅提升RAG準確性
圖形檢索—增強生成（GraphRAG）的發(fā)展勢頭日益強勁，已成為傳統(tǒng)向量搜索檢索方法的有力補充。這種方法利用圖數(shù)據(jù)庫的結構化特性，將數(shù)據(jù)組織為節(jié)點和關系，從而增強了檢索信息的深度和上下文關聯(lián)性。
知識圖譜示例
圖形擅長以結構化方式表示和存儲異構和互連的信息，能夠輕松捕獲不同數(shù)據(jù)類型之間的復雜關系和屬性。相比之下，向量數(shù)據(jù)庫通常難以處理此類結構化信息，因為它們的優(yōu)勢在于通過高維向量處理非結構化數(shù)據(jù)。在RAG應用程序中，可以將結構化的圖數(shù)據(jù)與非結構文本的向量搜索相結合，以獲得雙方的優(yōu)勢。這就是將在這篇文章中展示的內容。
一、知識圖譜很好，但如何創(chuàng)建？
構建知識圖譜通常是最富挑戰(zhàn)性的一步。它涉及數(shù)據(jù)的收集和結構化，這需要對領域和圖建模有深入的理解。
為了簡化這一過程，可以嘗試使用大語言模型（LLM）。憑借對語言和上下文的深刻理解，LLM可以自動完成知識圖譜創(chuàng)建過程的大部分工作。通過分析文本數(shù)據(jù)，這些模型可以識別實體、理解它們之間的關系，并建議如何在圖結構中最好地表示它們。
作為這些實驗的結果，我們已經(jīng)在LangChain中添加了第一版的圖構建模塊，將在這篇文章中進行演示。
代碼可在GitHub上獲取。
【GitHub】：https://github.com/tomasonjo/blogs/blob/master/llm/enhancing_rag_with_graph.ipynb
Neo4j環(huán)境設置
需要設置一個Neo4j實例，請按照本文章中的示例操作。最簡單的方法是在Neo4j Aura（https://neo4j.com/cloud/platform/aura-graph-database/）上啟動一個免費實例，它提供Neo4j數(shù)據(jù)庫的云實例?；蛘?，也可以通過下載Neo4j Desktop應用程序（https://neo4j.com/download/），并創(chuàng)建一個本地數(shù)據(jù)庫實例，從而設置Neo4j數(shù)據(jù)庫的本地實例。
os.environ["OPENAI_API_KEY"] = "sk-"
os.environ["NEO4J_URI"] = "bolt://localhost:7687"
os.environ["NEO4J_USERNAME"] = "neo4j"
os.environ["NEO4J_PASSWORD"] = "password"
graph = Neo4jGraph()此外，還必須提供一個OpenAI密鑰，因為我們將在這篇文章中使用他們的模型。
二、數(shù)據(jù)導入
在本演示中，我們將使用伊麗莎白一世的維基百科頁面。我們可以使用LangChain加載器無縫地獲取和拆分來自維基百科的文檔。
【伊麗莎白一世維基百科】：https://en.wikipedia.org/wiki/Elizabeth_I
【LangChain加載器】：https://python.langchain.com/v0.1/docs/modules/data_connection/document_loaders/
# 讀取維基百科文章
raw_documents = WikipediaLoader(query="Elizabeth I").load()
# 定義分塊策略
text_splitter = TokenTextSplitter(chunk_size=512, chunk_overlap=24)
documents = text_splitter.split_documents(raw_documents[:3])現(xiàn)在是時候根據(jù)檢索到的文檔構建一個圖了。為此，我們實現(xiàn)了一個LLMGraphTransformer模塊，它大大簡化了在圖數(shù)據(jù)庫中構建和存儲知識圖譜的過程。
llm=ChatOpenAI(temperature=0, model_name="gpt-4-0125-preview")
llm_transformer = LLMGraphTransformer(llm=llm)
# 提取圖數(shù)據(jù)
graph_documents = llm_transformer.convert_to_graph_documents(documents)
# 存儲到neo4j
graph.add_graph_documents(
graph_documents,
baseEntityLabel=True,
include_source=True
)可以定義希望知識圖譜生成鏈使用的LLM。目前，我們只支持來自OpenAI和Mistral的函數(shù)調用模型。但是，我們計劃在未來擴展LLM的選擇范圍。在這個例子中，我們使用的是最新的GPT-4。請注意，生成的圖的質量很大程度上取決于使用的模型。理論上，總是希望使用最強大的模型。LLM圖轉換器返回圖文檔，這些文檔可以通過add_graph_documents方法導入到Neo4j中。baseEntityLabel參數(shù)為每個節(jié)點分配一個額外的__Entity__標簽，以增強索引和查詢性能。include_source參數(shù)將節(jié)點鏈接到它們的源文檔，以便于數(shù)據(jù)追溯和上下文理解。
可以在Neo4j瀏覽器中查看生成的圖。
圖片
生成圖的一部分。
請注意，該圖像只代表生成的圖的一部分。
三、用于RAG的混合檢索
在圖生成之后，我們將使用混合檢索方法，將向量和關鍵字索引與圖檢索相結合，用于RAG應用程序。
圖片
混合（向量+關鍵字）和圖檢索方法的結合。
該圖展示了一個檢索過程，首先是用戶提出問題，然后將問題導向RAG檢索器。該檢索器使用關鍵字和向量搜索來搜索非結構化文本數(shù)據(jù)，并將其與從知識圖譜收集的信息相結合。由于Neo4j同時支持關鍵字和向量索引，因此可以使用單一的數(shù)據(jù)庫系統(tǒng)實現(xiàn)所有三種檢索選項。從這些來源收集的數(shù)據(jù)被輸入到LLM中，以生成并提供最終答案。
3.1 非結構化數(shù)據(jù)檢索器
可以使用Neo4jVector.from_existing_graph方法為文檔添加關鍵字和向量檢索。該方法為混合搜索方法配置關鍵字和向量搜索索引，目標是標有Document的節(jié)點。此外，如果缺少文本嵌入值，它還會計算這些值。
vector_index = Neo4jVector.from_existing_graph(
OpenAIEmbeddings(),
search_type="hybrid",
node_label="Document",
text_node_properties=["text"],
embedding_node_property="embedding"
)然后就可以使用similarity_search方法調用向量索引。
3.2 圖檢索器
另一方面，配置圖檢索器更為復雜，但提供了更多自由度。這個例子將使用全文索引來識別相關節(jié)點，并返回它們的直接鄰域。
圖片
圖檢索器。
圖檢索器首先識別輸入信息中的相關實體。為簡單起見，我們指示LLM識別人物、組織和位置。為此，我們將使用LCEL和新添加的with_structured_output方法來實現(xiàn)這一目標。
# 從文本中提取實體
class Entities(BaseModel):
"""Identifying information about entities."""
names: List[str] = Field(
...,
descriptinotallow="All the person, organization, or business entities that "
"appear in the text",
)
prompt = ChatPromptTemplate.from_messages(
[
(
"system",
"You are extracting organization and person entities from the text.",
),
(
"human",
"Use the given format to extract information from the following "
"input: {question}",
),
]
)
entity_chain = prompt | llm.with_structured_output(Entities)讓我們來測試一下。
entity_chain.invoke({"question": "Where was Amelia Earhart born?"}).names
# ['Amelia Earhart']太好了，現(xiàn)在我們可以檢測問題中的實體了，讓我們使用全文索引將它們映射到知識圖譜中。首先，我們需要定義一個全文索引和一個可以生成全文查詢的函數(shù)，其中允許有一些拼寫錯誤，這里就不詳細介紹了。
graph.query(
"CREATE FULLTEXT INDEX entity IF NOT EXISTS FOR (e:__Entity__) ON EACH [e.id]")
def generate_full_text_query(input: str) -> str:
"""
Generate a full-text search query for a given input string.
This function constructs a query string suitable for a full-text search.
It processes the input string by splitting it into words and appending a
similarity threshold (~2 changed characters) to each word, then combines
them using the AND operator. Useful for mapping entities from user questions
to database values, and allows for some misspelings.
"""
full_text_query = ""
words = [el for el in remove_lucene_chars(input).split() if el]
for word in words[:-1]:
full_text_query += f" {word}~2 AND"
full_text_query += f" {words[-1]}~2"
return full_text_query.strip()現(xiàn)在，讓我們把它們全部組合起來。
# 全文索引查詢
def structured_retriever(question: str) -> str:
"""
Collects the neighborhood of entities mentioned
in the question
"""
result = ""
entities = entity_chain.invoke({"question": question})
for entity in entities.names:
response = graph.query(
"""CALL db.index.fulltext.queryNodes('entity', $query, {limit:2})
YIELD node,score
CALL {
MATCH (node)-[r:!MENTIONS]->(neighbor)
RETURN node.id + ' - ' + type(r) + ' -> ' + neighbor.id AS output
UNION
MATCH (node)<-[r:!MENTIONS]-(neighbor)
RETURN neighbor.id + ' - ' + type(r) + ' -> ' + node.id AS output
}
RETURN output LIMIT 50
""",
{"query": generate_full_text_query(entity)},
)
result += "\n".join([el['output'] for el in response])
return resultstructured_retriever函數(shù)首先檢測用戶問題中的實體。接下來，它會遍歷檢測到的實體，并使用Cypher模板檢索相關節(jié)點的鄰域。讓我們來測試一下！
print(structured_retriever("Who is Elizabeth I?"))
# Elizabeth I - BORN_ON -> 7 September 1533
# Elizabeth I - DIED_ON -> 24 March 1603
# Elizabeth I - TITLE_HELD_FROM -> Queen Of England And Ireland
# Elizabeth I - TITLE_HELD_UNTIL -> 17 November 1558
# Elizabeth I - MEMBER_OF -> House Of Tudor
# Elizabeth I - CHILD_OF -> Henry Viii
# and more...3.3 最終檢索器
正如開頭提到的，我們將結合非結構化檢索器和圖形檢索器，創(chuàng)建傳遞給LLM的最終上下文。
def retriever(question: str):
print(f"Search query: {question}")
structured_data = structured_retriever(question)
unstructured_data = [el.page_content for el in vector_index.similarity_search(question)]
final_data = f"""Structured data:
{structured_data}
Unstructured data:
{"#Document ". join(unstructured_data)}
"""
return final_data由于我們使用的是Python，因此只需使用f-string將輸出連接起來即可。
四、定義RAG鏈
我們已經(jīng)成功實現(xiàn)了RAG的檢索組件。接下來，我們將引入一個提示，利用集成混合檢索器提供的上下文來生成響應，從而完成RAG鏈的實現(xiàn)。
template = """Answer the question based only on the following context:
{context}
Question: {question}
"""
prompt = ChatPromptTemplate.from_template(template)
chain = (
RunnableParallel(
{
"context": _search_query | retriever,
"question": RunnablePassthrough(),
}
)
| prompt
| llm
| StrOutputParser()
)最后，我們可以繼續(xù)測試我們的混合RAG實現(xiàn)。
chain.invoke({"question": "Which house did Elizabeth I belong to?"})
# 搜索查詢：Which house did Elizabeth I belong to?（伊麗莎白一世屬于哪個王朝?）
# 'Elizabeth I belonged to the House of Tudor.'（'伊麗莎白一世屬于都鐸王朝。'）此示例還加入了一個查詢重寫功能，使RAG鏈能夠適應并支持追問的對話環(huán)境。鑒于我們使用的是向量和關鍵字搜索方法，我們必須重寫后續(xù)問題以優(yōu)化我們的搜索過程。
chain.invoke(
{
"question": "When was she born?",
"chat_history": [("Which house did Elizabeth I belong to?", "House Of Tudor")],
}
)
# 搜索查詢：When was Elizabeth I born?（她出生于何時）
# 'Elizabeth I was born on 7 September 1533.'（'伊麗莎白一世于1533年9月7日出生。'）可以觀察到，When was she born?首先被重寫為When was Elizabeth I born? 。然后使用重寫后的查詢來檢索相關上下文并回答問題。
五、輕松增強RAG應用程序
通過引入LLMGraphTransformer，知識圖譜的生成過程將變得更加流暢和易于訪問，這使得任何希望使用知識圖譜提供的深度和上下文來增強他們RAG應用程序的人都能更加輕松地使用它。
【GitHub】：https://github.com/tomasonjo/blogs/blob/master/llm/enhancing_rag_with_graph.ipynb
