Neo4j Runway — это библиотека Python, которая упрощает процесс переноса реляционных данных в граф. Он предоставляет инструменты, которые абстрагируют взаимодействие с OpenAI для запуска обнаружения ваших данных и создания модели данных, а также инструменты для генерации кода приема и загрузки ваших данных в экземпляр Neo4j.
Наша модель данных, похоже, учитывает три варианта использования, на которые мы хотели бы получить ответы:
Если мы хотим изменить модель данных, мы можем попросить LLM внести изменения.
gdm . iterate_model ( corrections = "Create a Capital node from the capital property." )
gdm . current_model . visualize ()
Теперь мы можем использовать нашу модель данных для генерации некоторого кода приема.
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 ()
Мы будем использовать сгенерированную конфигурацию yaml PyIngest для загрузки наших данных в наш экземпляр Neo4j.
PyIngest ( config = pyingest_yaml , verbose = False )
Мы также можем сохранить это как файл .yaml и использовать с исходным PyIngest.
gen . generate_config_yaml ( file_name = "countries.yaml" )
Вот снимок нашего нового графика!
Runway предлагает модуль, позволяющий легко выполнять анализ существующего графа для получения такой информации, как поиск изолированных узлов и ранжирование степеней верхних узлов.
Здесь вы найдете пример модуля GraphEDA
компании Runway.
Runway в настоящее время находится в стадии бета-тестирования и находится в стадии быстрого развития. Пожалуйста, поднимайте проблемы с GitHub и оставляйте отзывы о любых функциях, которые вам нужны. Ниже приведены некоторые из текущих ограничений: