Graphiti: инструмент для построения динамических графов знаний и запросов (программа с учетом времени и большой памяти)

Общее введение

Graphiti - это инструмент, разработанный компанией getzep для построения и запроса динамических, учитывающих время графов знаний. Он способен представлять сложные и развивающиеся отношения между сущностями и запрашивать их с помощью различных методов, таких как временные, полнотекстовые, семантические и графовые алгоритмы. Graphiti может обрабатывать как неструктурированные, так и структурированные данные, а создаваемые человекочитаемые семантические представления ребер обеспечивают полнотекстовый поиск и расширенные возможности интерпретации ребер в процессе построения графа. Инструмент широко используется в таких прикладных сценариях, как поиск информации, персонализированные ответы агентов и динамическая обработка данных.

Список функций

• Динамическое построение графа знаний: Поддержка динамических данных и интеллектуальных обновлений, автоматическая оценка новых объектов и обновление существующих карт.
• Запросы с учетом времени: Запросы могут быть сделаны на основе времени, что позволяет анализировать сложные временные отношения.
• Генерация семантических граней: Генерирование семантически читаемых ребер при построении графа для поддержки полнотекстового поиска.
• Поддержка нескольких источников данных: Способность работать как с неструктурированными, так и со структурированными данными.
• Укрепление потенциала в области интерпретации: Края созданных карт имеют расширенные возможности интерпретации, что облегчает их понимание и анализ.
• Персональный ответ агента: Персонализация ответов агента на основе информации, полученной в ходе предыдущих разговоров.
• Интеграция с Neo4j: Поддержка интеграции с базой данных Neo4j для удобного управления атласом.

Использование помощи

Процесс установки

1. Подготовка среды::
   • Убедитесь, что среда Python установлена.
   • Установите Neo4j Desktop, создайте проект, добавьте локальную СУБД и запустите его.
2. Установка библиотеки Graphiti::

   pip install graphiti_core
   

3. Инициализация Graphiti::
   Импорт и инициализация Graphiti в сценарии Python:

   from graphiti_core import Graphiti
   from graphiti_core.nodes import EpisodeType
   

Процесс использования

1. Построение графа знаний::
   • Используйте Graphiti для построения графов знаний на основе динамических данных, позволяя графу отражать последний контекст благодаря интеллектуальному обновлению и генерации семантических граней.
   • Например, добавление новых сущностей и отношений:

     graph = Graphiti()
     graph.add_node("Person", name="Kendra")
     graph.add_node("Product", name="Adidas shoes")
     graph.add_edge("Kendra", "loves", "Adidas shoes")
     

2. Запрос к графу знаний::
   • Запросы с использованием временных, полнотекстовых, семантических и графовых алгоритмов поддерживают сложные временные связи и семантический поиск.
   • Например, поинтересоваться любимым продуктом человека:

     query = "MATCH (p:Person)-[r:loves]->(prod:Product) RETURN p.name, prod.name"
     results = graph.query(query)
     for result in results:
     print(f"{result['p.name']} loves {result['prod.name']}")
     

3. Персональный ответ агента::
   • Используйте Graphiti для хранения и запоминания важных фактов из разговоров, чтобы персонализировать ответы.
   • Например, сохранение и вызов диалоговых сообщений:

     graph.add_node("Conversation", context="User mentioned interest in Adidas shoes")
     relevant_facts = graph.query("MATCH (c:Conversation) RETURN c.context")
     for fact in relevant_facts:
     print(fact['c.context'])
     

Подробные функции

• Интеллектуальное обновление картGraphiti способен автоматически оценивать новые сущности и обновлять их на основе текущего графа, тем самым поддерживая граф в актуальном состоянии.
• Семантический и полнотекстовый поиск: Генерирование семантически читаемых ребер в процессе построения графа позволяет пользователям выполнять полнотекстовый поиск и запросы с расширенными возможностями интерпретации.
• восприятие времени: Поддерживает запросы, основанные на времени, и способен обрабатывать сложные временные отношения и динамические данные.
• Поддержка нескольких источников данных: Возможность работы с неструктурированными и структурированными данными позволяет пользователям интегрировать и анализировать данные из различных источников.

Примеры сценариев применения

1. Робот для обслуживания клиентов::
   Graphiti может помочь создать интеллектуальные боты для обслуживания клиентов, которые персонализируют ответы на запросы пользователей, сохраняя исторические данные об их разговорах и поведении. Например, когда пользователь спрашивает о продукте, бот может дать более точный и персонализированный совет на основе прошлых разговоров.
2. Финансовый анализ::
   Финансовые учреждения могут использовать Graphiti для построения карт отношений с клиентами, чтобы понять их инвестиционные предпочтения и финансовое поведение. Запросы с учетом времени анализируют изменения в инвестиционном поведении клиентов с течением времени, помогая финансовым консультантам давать более профессиональные рекомендации по инвестициям.
3. Управление здравоохранением::
   Медицинские организации могут использовать Graphiti для создания отображений профилей здоровья пациентов, в которые заносятся истории болезни и записи о лечении. Благодаря динамическим обновлениям и запросам, учитывающим время, врачи могут получить более полное представление о состоянии здоровья пациента и предложить индивидуальные решения в области здравоохранения.
4. Рекомендательная система для электронной коммерции::
   Платформы электронной коммерции могут использовать Graphiti для построения графиков интересов пользователей, в которых фиксируется история их просмотров и покупок. Благодаря семантическим запросам и анализу с учетом времени платформа может рекомендовать пользователям товары, которые в большей степени соответствуют их интересам, и повышать коэффициент конверсии покупок.
5. научные исследования::
   Исследовательские организации могут использовать Graphiti для создания карты научных ресурсов, регистрации и анализа связей цитирования между научными работами и тенденциями исследований. С помощью семантических запросов и запросов с учетом времени исследователи могут быстро находить релевантные результаты исследований и академические ресурсы.