NeoGPT Recommender

NeoGPT-الموصي

الفكرة وراء هذا المستودع هي إنشاء روبوت دردشة مدرك للسياق يمكنه القراءة من قاعدة بيانات Neo4j وتحديثها. يتم إنشاء Cypher باستخدام نقطة النهاية GPT-4، بينما يتم إنشاء الإجابات باستخدام نموذج gpt-3.5-turbo استنادًا إلى المعلومات الواردة من قاعدة البيانات.

اعرف المزيد: https://medium.com/neo4j/context-aware-knowledge-graph-chatbot-with-gpt-4-and-neo4j-d3a99e8ae21e

قاعدة بيانات Neo4j

يستخدم المشروع مشروع التوصية المتوفر كجزء من Neo4j Sandbox. إذا كنت تريد مثيلًا محليًا لـ Neo4j، فيمكنك استعادة تفريغ قاعدة البيانات المتوفرة هنا.

متغيرات البيئة

تأكد من تعبئة متغيرات البيئة كما هو موضح في ملف .env.example

ابدأ المشروع

تشغيل المشروع باستخدام

 docker-compose up

ثم افتح عنوان المضيف المحلي:8501 في متصفحك المفضل

أمثلة تدريبية للجزء english2cypher

يمكنك استخدام المثال التالي للحصول على فكرة عما يستطيع برنامج الدردشة الآلي هذا القيام به

 # I don't like comedy
MATCH (u:User {id: $userId}), (g:Genre {name:"Comedy"})
MERGE (u)-[:DISLIKE_GENRE]->(g)
RETURN distinct {answer: 'noted'} AS result
# I like comedy
MATCH (u:User {id: $userId}), (g:Genre {name:"Comedy"})
MERGE (u)-[:LIKE_GENRE]->(g)
RETURN distinct {answer: 'noted'} AS result
# I have already watched Top Gun
MATCH (u:User {id: $userId}), (m:Movie {title:"Top Gun"})
MERGE (u)-[:WATCHED]->(m)
RETURN distinct {answer: 'noted'} AS result
# I like Top Gun
MATCH (u:User {id: $userId}), (m:Movie {title:"Top Gun"})
MERGE (u)-[:LIKE_MOVIE]->(m)
RETURN distinct {answer: 'noted'} AS result
# What is a good comedy?
MATCH (u:User {id:$userId}), (m:Movie)-[:IN_GENRE]->(:Genre {name:"Comedy"})
WHERE NOT EXISTS {(u)-[:WATCHED]->(m)}
RETURN {movie: m.title} AS result
ORDER BY m.imdbRating DESC LIMIT 1
# Who played in Top Gun?
MATCH (m:Movie)<-[:ACTED_IN]-(a)
RETURN {actor: a.name} AS result
# What is the plot of the Copycat movie?
MATCH (m:Movie {title: "Copycat"})
RETURN {plot: m.plot} AS result
# Did Luis Guzmán appear in any other movies?
MATCH (p:Person {name:"Luis Guzmán"})-[:ACTED_IN]->(movie)
RETURN {movie: movie.title} AS result
# Do you know of any matrix movies?
MATCH (m:Movie)
WHERE toLower(m.title) CONTAINS toLower("matrix")
RETURN {movie:m.title} AS result
# Which movies do I like?
MATCH (u:User {id: $userId})-[:LIKE_MOVIE]->(m:Movie)
RETURN {movie:m.title} AS result
# Recommend a movie
MATCH (u:User {id: $userId})-[:LIKE_MOVIE]->(m:Movie)
MATCH (m)<-[r1:RATED]-()-[r2:RATED]->(otherMovie)
WHERE r1.rating > 3 AND r2.rating > 3 AND NOT EXISTS {(u)-[:WATCHED|LIKE_MOVIE|DISLIKE_MOVIE]->(otherMovie)}
WITH otherMovie, count(*) AS count
ORDER BY count DESC
LIMIT 1
RETURN {recommended_movie:otherMovie.title} AS result