我要投稿
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
2025-05-27
盘点 Azure AI Foundry 的10大重要更新
2025-05-27
50个AI基础常识问答（看完理解整个AI行业）
2025-05-27
AI时代下的软件升级：大模型如何让考勤系统听懂人话？
2025-05-27
美团要开放AI编程能力，将推出新产品NoCode｜智能涌现独家
2025-05-27
AI大模型3种模式：Embedding、Copilot与Agent深度解析
2025-05-27
AI领域基础概念(下)
2025-05-26
万字长文！AI智能体全面爆发前夜：一文讲透技术架构与行业机会
2025-05-26
国产顶级 DeepResearch 类产品，把咨询专家请回家
2024-08-13
2024-06-13
2024-08-21
2024-09-23
2024-07-31
2024-05-28
2024-08-04
2024-04-26
2024-07-09
2024-07-20
2025-05-27
2025-05-26
2025-05-23
2025-05-23
2025-05-23
2025-05-18
2025-05-18
2025-05-17
回到顶部
粤ICP备17114055号
