neo4j runway
v0.14.0
Neo4j Runway เป็นไลบรารี Python ที่ทำให้กระบวนการย้ายข้อมูลเชิงสัมพันธ์ของคุณลงในกราฟง่ายขึ้น โดยมอบเครื่องมือที่เป็นการสื่อสารเชิงนามธรรมกับ OpenAI เพื่อดำเนินการค้นหาข้อมูลของคุณและสร้างแบบจำลองข้อมูล รวมถึงเครื่องมือในการสร้างโค้ดการนำเข้าและโหลดข้อมูลของคุณลงในอินสแตนซ์ Neo4j
ดูเหมือนว่าแบบจำลองข้อมูลของเราจะจัดการกับกรณีการใช้งานสามประการที่เราต้องการตอบ:
หากเราต้องการแก้ไขโมเดลข้อมูล เราอาจขอให้ LLM ทำการเปลี่ยนแปลง
gdm . iterate_model ( corrections = "Create a Capital node from the capital property." )
gdm . current_model . visualize ()ตอนนี้เราสามารถใช้แบบจำลองข้อมูลของเราเพื่อสร้างโค้ดการนำเข้าบางส่วนได้
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 ()เราจะใช้การกำหนดค่า PyIngest yaml ที่สร้างขึ้นเพื่อนำเข้าข้อมูลของเราไปยังอินสแตนซ์ Neo4j ของเรา
PyIngest ( config = pyingest_yaml , verbose = False )นอกจากนี้เรายังสามารถบันทึกสิ่งนี้เป็นไฟล์ .yaml และใช้กับ PyIngest ดั้งเดิมได้
gen . generate_config_yaml ( file_name = "countries.yaml" )นี่คือภาพรวมของกราฟใหม่ของเรา!
Runway นำเสนอโมดูลสำหรับการรันการวิเคราะห์บนกราฟที่มีอยู่ได้อย่างง่ายดาย เพื่อรับข้อมูลเชิงลึก เช่น การค้นหาโหนดที่แยกเดี่ยว และการจัดอันดับระดับของโหนดบนสุด
ตรวจสอบที่นี่เพื่อดูตัวอย่างโมดูล GraphEDA ของ Runway
ขณะนี้รันเวย์อยู่ในช่วงเบต้าและอยู่ระหว่างการพัฒนาอย่างรวดเร็ว โปรดแจ้งปัญหา GitHub และแสดงความคิดเห็นเกี่ยวกับคุณสมบัติต่างๆ ที่คุณต้องการ ต่อไปนี้เป็นข้อจำกัดบางประการในปัจจุบัน:
