Tomaz
今天，我们带来使用 查询 Neo4j 数据库的分享，让 学习图形模式并帮助构建 查询的简单方法。完整阅读预计需要 8 分钟。
风靡全球，或许大量人工智能生成的内容登陆互联网只是时间问题。我们一直在尝试用 生成 查询，下面是具体的步骤，希望更多人可以来尝试它！
设置 Neo4j Aura
我们将使用Neo4j Aura，它为这个实验提供了带有预填充数据的 Neo4j 数据库的免费云实例。登录后，单击新实例，然后选择基于图形的建议数据集。
选择基于图形的建议数据集
数据库实例启动后，单击查询按钮打开 Neo4j 浏览器。
设置
打开 网站，按照注册说明进行操作。完成后，会出现 用户界面。
用户界面
定义图形模式
在使用 和属性图模型方面有一些经验。但是它确实不知道图表的模式。因此，为避免 猜测和幻觉图形的节点标签和属性，必须向它提供信息。
告知 有关节点标签和关系类型的最好方法是使用以下 APOC 程序：
结果：
Apoc模式结果
假设在 Neo4j 浏览器中运行上述 APOC 模式过程，只需复制响应的文本版本并将其粘贴到 中，并附上其他信息，说明这是 Neo4j 数据库的模式定义。
我有一个具有以下模式的 Neo4j 数据库：
— APOC 模式过程的结果—
我们得到了以下回复，但不同处决的反应可能差异很大。接下来，需要向其提供有关节点和关系属性的信息，因为这在 APOC 模式过程中不可用。可以使用以下 查询按节点和关系类型提取所有属性键。
可以通过告知其正在提供有关节点和关系类型的信息，将此信息输入 。
提供节点和关系属性密钥
使用 生成 查询
现在，我们可以继续测试 根据各种提示生成 查询的程度。需要通知 ，它将生成 查询。
我们发现：需要在初始提示中提供的是，它不应该对之前提示的查询做出任何假设，否则它会尝试将之前无关提示的信息合并到新生成的 查询中。
现在，你将根据提示生成 查询。除非明确说明，否则不要发布任何解释。也不要对上下文做任何假设。只看给定提示的上下文，不要假设之前提示的任何其他内容。
需要明确要求它不要在之前的提示上假设任何事情，因为起初，它假设了我们的电影偏好，因为它经常被问起基努·里维斯和喜剧。
忘记或不忘记，生成的查询看起来基本相同。唯一的区别是，在被要求做成推荐时。此外，无论是否要求它忘记之前的提示，图形模式遗忘也会发生在这两种情况下。
我们可以从一些简单的事情开始。
提供的查询按预期工作。我们现在可以尝试一些更复杂的东西。
同样，查询正常工作。 非常擅长基本的图形模式匹配和聚合。大多数时候，它还会选择正确的节点属性。然而，它在所谓的存在查询方面存在问题，如果模式存在，则可能返回 true，如果模式不匹配，则可能返回 false。
它似乎更喜欢 MATCH 子句，并且没有掌握 MATCH 或其他允许空值的方法。然而，在一些帮助下，它设法完成了工作。
唯一的问题是它忘记了基努·里维斯。
因此，它只是检查演员是否出现在《黑客帝国》中。
感觉就像橡皮鸭编程，与一个很有创造力的人，但几乎没有受到关注，因为查询再次忘记了 MATCH。也许 只是患有无法治愈的多动症。如果想让它生成允许空值或0值的查询，它肯定需要一些微调。
接下来，我们可以检查 的创意。我们可以要求它找到最受欢迎的喜剧，而不具体说明流行是什么意思。
生成的查询是未完成的。 可以从中学习很多电影推荐教程。此外，它正确地假设 属性具有某种人气评级值。
我们可以要求它在数据库中包括用户的评级。
起初，我印象深刻。尽管它没有将 IMDB 评级和用户评级结合起来，但它为用户评级提供了一个良好的开端。然而，它忘记了流派是一个单独的节点，而不是一个节点属性。
虽然更正后的 查询现在正确地将类型识别为单独的节点，但出于某种原因，它决定现在应该将受欢迎程度定义为 IMDB 投票数。
因此，即使你获得生成的 查询运行良好，也不能保证你下次会获得相同的 语句，即使它声称一致性很重要。
让我们尝试另一个提示，欣赏一些 的创造力。
尽管它抱怨它不能提供好的建议，但它仍然提供了一个很好的起点。让我们看看我们是否可以尝试改进建议。
似乎对使用联合演员的平均电影收视率，然后向在电影中与基努·里维斯共同主演的电影提供最高收视率的演员作为推荐的想法。
唯一的问题是上述查询不起作用。同样， 幻觉节点属性 而不是 。此外，它在第四行收集电影评分，然后尝试平均。
不幸的是， 不允许用 avg() 运算符平均数组。因此，我们要么需要删除 ，要么使用 APOC。
现在， 中的 ADHD 决定我们应该采用与开始时相同的基本建议。但是，如果使用的是 Neo4j v5，则存在另一个问题。
v5 中已弃用几种 语法，Chat GPT 没有意识到这一点，需要使用最新的 语法进行训练。在上面的示例中，size() 运算符在 Neo4j v5 中不再使用计数图模式。
最后，我们想试试 是否是图形数据科学家。
默认情况下， 希望使用已弃用的图形算法库。纠正它以使用图形数据科学库可以稍微改善查询，但不是完全改善。
自 2.0 版本以来，GDS 库不支持匿名图表。因此，需要单独投影内存图，然后在上面运行 。
这是一些好主意，但同样，语法不起作用。然而，它可以作为一个很好的起点。
总 结
显示出用作查询 Neo4j 数据库的接口的巨大潜力。它与基本的图形匹配和聚合配合得很好。虽然它有时会忘记确切的属性名称或图形模式，但如果给它一点帮助，就能更好的记住它们。
但是，如果想要生成复杂的查询时，查询很可能是有效或无效的。虽然它可能会解决我们明确提到的错误，但它可能会改变其他变量或引入新的错误。一致性不是 最好的部分。此外，它没有接受过 Neo4j v5 或图形数据科学库中使用的较新的 语法的训练。因此，需要额外的微调才能使其正确。
总的来说，我觉得 在当前状态下可以用来生成简单的查询和模式。对于更复杂的任务，如提供建议，它可用于暗示 语法或如何解决问题，但现阶段不建议依赖它来提供有效的查询。
Neo4j 产品分为社区版和企业版，具体需求可随时与我们联系。
#Neo4j咨询
电话：
发表回复