深度学习-176-知识图谱技术之langchain与neo4j的嵌入向量Neo4jVector
文章目录
- 1 Neo4jVector
-
- 1.1 向量检索(Vector Search)
- 1.2 核心功能(Neo4jVector)
- 1.3 Cypher查询语句
- 2 端到端示例
-
- 2.1 环境准备
-
- 2.1.1 准备数据
- 2.1.2 嵌入模型
- 2.2 写入Neo4j并创建向量索引
- 2.3 查看删除索引和节点
- 2.4 语义搜索(向量检索)
- 3 读取已有向量索引
-
- 3.1 手动创建向量索引(推荐)
- 3.2 from_existing_index
使用Neo4jVector将输入的文档向量化，并创建向量索引，然后进行语义检索。
1 Neo4jVector
Neo4jVector是LangChain生态中的一个组件，全称为Neo4jVector，属于langchain-neo4j库的一部分。
它的核心功能是：将Neo4j图数据库与向量检索(Vector Search)能力结合，实现基于语义的相似性搜索，并可与图数据联合查询。
1.1 向量检索(Vector Search)
将文本(如句子、段落)通过嵌入模型(Embedding Model)转换为向量(一串数字)；
在数据库中查找与查询向量最相似的向量(使用余弦相似度、欧氏距离等)；
实现“语义搜索”，例如搜索“如何连接数据库”能匹配到“数据库连接方法”。
1.2 核心功能(Neo4jVector)
Neo4jVector是LangChain的向量存储(Vector Store)实现之一，用于将文本嵌入(embedding)存储在Neo4j中，并支持语义相似性搜索。
工作原理：
(1)文本 → 通过embedding模型转为向量；
(2)向量存入Neo4j节点的embedding属性；
(3)