演示：与知识图谱对话

本文探讨了如何通过知识图谱与大型语言模型（LLM）进行对话。

展示了一个快速原型，允许用户用自然语言查询结构化图数据库。

通过将用户问题嵌入向量并与图数据库数据比较，LLM能够提供准确回答。

讨论了数据建模、图数据库的优势，以及如何利用Python和Neo4j实现该过程。

聊天数据的过程包括将用户问题嵌入向量，并与图数据库中的嵌入进行比较。

使用图数据库可以让更多人无需学习SQL或Cypher就能与大型数据库进行交流。

数据建模是将现实世界用数据表示的过程，包括字符串、数字和日期等。

图数据库通过节点和关系的方式表示数据，便于理解和查询。

知识图谱用于表示业务中的关键数据，适用于社交网络、供应链等场景。

通过将数据转化为句子并生成嵌入，可以实现语义搜索。

语义搜索通过比较句子的向量表示来判断其相似性，而不仅仅是关键词匹配。

使用LLM与图数据库进行对话时，需考虑数据安全和法律问题。

快速原型展示了如何在本地环境中实现LLM与图数据库的交互。