neo4j runway
v0.14.0
Neo4j Runway é uma biblioteca Python que simplifica o processo de migração de seus dados relacionais para um gráfico. Ele fornece ferramentas que abstraem a comunicação com OpenAI para executar a descoberta em seus dados e gerar um modelo de dados, bem como ferramentas para gerar código de ingestão e carregar seus dados em uma instância Neo4j.
Nosso modelo de dados parece abordar os três casos de uso que gostaríamos de responder:
Se quisermos que o modelo de dados seja modificado, podemos solicitar que o LLM faça alterações.
gdm . iterate_model ( corrections = "Create a Capital node from the capital property." )
gdm . current_model . visualize ()Agora podemos usar nosso modelo de dados para gerar algum código de ingestão.
gen = PyIngestConfigGenerator ( data_model = gdm . current_model ,
username = os . environ . get ( "NEO4J_USERNAME" ),
password = os . environ . get ( "NEO4J_PASSWORD" ),
uri = os . environ . get ( "NEO4J_URI" ),
database = os . environ . get ( "NEO4J_DATABASE" ),
file_directory = data_directory , source_name = "countries.csv" )
pyingest_yaml = gen . generate_config_string ()Usaremos a configuração yaml PyIngest gerada para ingerir nossos dados em nossa instância Neo4j.
PyIngest ( config = pyingest_yaml , verbose = False )Também podemos salvá-lo como um arquivo .yaml e usar com o PyIngest original.
gen . generate_config_yaml ( file_name = "countries.yaml" )Aqui está um instantâneo do nosso novo gráfico!
Runway oferece um módulo para executar facilmente análises em um gráfico existente para obter insights como encontrar nós isolados e classificar os graus dos nós mais altos.
Confira aqui um exemplo do módulo GraphEDA da Runway.
Runway está atualmente em beta e em rápido desenvolvimento. Levante problemas do GitHub e forneça comentários sobre quaisquer recursos que desejar. A seguir estão algumas das limitações atuais:
