Урок из полного доступа, первые уроки курса бесплатно Официальный курс Mistral AI Cookbook на русском
Урок 111 · Текст · ~5 мин

Экстракторы и ретриверы в графе свойств

Урок 111 из 154 курса «Mistral AI Cookbook»: официальный курс Mistral AI Cookbook (Мистраль) на русском языке. Урок входит в платный доступ; первые уроки курса бесплатно.

О чём урок

В этом notebook мы рассмотрим, как определить экстракторы и ретриверы для PropertyGraph Index.

Граф свойств представляет собой структурированную коллекцию помеченных узлов (таких как категории сущностей и текстовые метки) со свойствами (метаданными), взаимосвязанных отношениями для формирования структурированных путей (триплетов).

В LlamaIndex PropertyGraphIndex играет ключевую роль в:

• Построении графа

• Запросах к графу

Построение графа свойств включает выполнение серии экстракторов графа знаний для каждого фрагмента и прикрепление сущностей и отношений в качестве метаданных к каждому узлу.

Вы можете использовать столько экстракторов, сколько необходимо, и все они будут применены.

Если не указаны, по умолчанию используются SimpleLLMPathExtractor и ImplicitPathExtractor.

Используйте LLM для извлечения коротких утверждений и парсинга одношаговых путей в формате (сущность1, отношение, сущность2).

При желании вы также можете настроить как prompt, так и функцию, используемую для парсинга путей.

Вот простой (хотя и упрощенный) пример:

Извлекает пути, используя атрибут node.relationships для каждого объекта узла LlamaIndex.

Этот процесс извлечения не требует LLM или модели embedding, поскольку он просто парсит свойства, которые уже существуют в объектах узлов.

Извлекает пути в соответствии со строгой схемой, которая определяет разрешенные сущности, отношения и связи между ними.

Используя Pydantic, структурированные выводы из LLM и интеллектуальную валидацию, мы можем динамически определять схему и проверять извлечения для каждого пути (триплета).

Помеченные графы свойств предлагают различные методы запросов для извлечения узлов и путей. В LlamaIndex у нас есть возможность одновременно комбинировать несколько техник извлечения узлов!

Если субретриверы не указаны, по умолчанию используются LLMSynonymRetriever и VectorContextRetriever (если embeddings включены).

В настоящее время включены следующие ретриверы:

• LLMSynonymRetriever: Извлекает узлы на основе ключевых слов и синонимов, сгенерированных LLM.

• VectorContextRetriever: Извлекает узлы на основе embedded узлов графа.

• TextToCypherRetriever: Направляет LLM для генерации Cypher-запросов на основе схемы графа свойств.

• CypherTemplateRetriever: Использует Cypher-шаблон с параметрами, выведенными LLM.

• CustomPGRetriever: Легко расширяется путем наследования для реализации пользовательской логики извлечения.

Этот ретривер принимает входной запрос и пытается сгенерировать релевантные ключевые слова и…

План урока

  1. Создание и использование PropertyGraph
  2. SimpleLLMPathExtractor
  3. ImplicitPathExtractor
  4. SchemaLLMPathExtractor
  5. Извлечение и запросы
  6. LLMSynonymRetriever
  7. VectorContextRetriever
  8. TextToCypherRetriever

Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.

Откройте полный доступ

Вы прошли бесплатные уроки. Выберите тариф, чтобы продолжить обучение.

Курсы Mistral AI 1 490 ₽ Разовый платёж, навсегда
  • Все курсы от Mistral AI (1 шт.)
  • Именной сертификат по каждому пройденному курсу
Оплатить
Полный доступ 4 900 ₽ Разовый платёж, навсегда
  • Все 77 курсов от 11 AI-провайдеров
  • Библиотека промптов и новые курсы
Оплатить

Безопасная оплата через Robokassa: СБП, карты, электронные кошельки. Доступ откроется в этом браузере и придёт письмом. Уже оплатили? Восстановить доступ

Полезные гиды