因為在找資料的路上，一直注意到 Vector vs Graph，我想就這兩種資料儲存格式做個比較

什麼是 Graph 資料庫

圖形資料庫以圖的形式存儲數據，其中包括節點（nodes）、關係（relationships）和屬性（properties），這種結構使 Neo4j 特別適合處理高度關聯的數據和複雜的查詢

vector 資料庫怎麼了？

向量查詢依賴關鍵字匹配和向量相似性，在複雜的資料集當中會遇到不完整或所謂膚淺的知識。而向量資料拉出來的有限的區塊很可能會成為後續 LLM 全面理解的貧頸。這邊有個推薦文章，他有提到因為在特定領域缺乏上下文，很容易在高度專業化的領域沒有好的表現。

從此篇論文我們也發現 vector RAG 方法能從知識庫找資料，幫助大型語言模型回答問題，但它不擅長回答概括整份文本的問題，而現有可以用於概括文本的方法，又難以處理 RAG 裡那麼大量的資訊

Graph 資料庫如何補足 vector 的缺點

Graph RAG 擅長處理實體間的複雜關係和數據的整體結構。它利用知識圖譜來捕捉數據中的語義和層次關係,能進行更複雜的推理。

這邊有一個有趣的實作比較，他想得到 Peter Quill 的訊息，單純用 Vector ，只會得到簡單的身份、演員訊息。但使用 Graph + Vector 後，則得到了他的角色目標、身份變化等資訊。

在我們之前分享的 Langchain 中，也有 Graph 相關應用，以下一步步來看：

1. Set up Neo4j

   1. 建起來後長這樣

2. 將問題轉換為圖形數據庫查詢

   
   from langchain_community.graphs import Neo4jGraph
   
   graph = Neo4jGraph()
   
   # Import movie information
   
   movies_query = """
   LOAD CSV WITH HEADERS FROM 
   'https://raw.githubusercontent.com/tomasonjo/blog-datasets/main/movies/movies_small.csv'
   AS row
   MERGE (m:Movie {id:row.movieId})
   SET m.released = date(row.released),
       m.title = row.title,
       m.imdbRating = toFloat(row.imdbRating)
   FOREACH (director in split(row.director, '|') | 
       MERGE (p:Person {name:trim(director)})
       MERGE (p)-[:DIRECTED]->(m))
   FOREACH (actor in split(row.actors, '|') | 
       MERGE (p:Person {name:trim(actor)})
       MERGE (p)-[:ACTED_IN]->(m))
   FOREACH (genre in split(row.genres, '|') | 
       MERGE (g:Genre {name:trim(genre)})
       MERGE (m)-[:IN_GENRE]->(g))
   """
   
   

3. 執行圖形數據庫查詢

print(graph.query(movies_query))

你會得到 []。

如果你執行遇到 APOC 的問題，請參考這篇最下面解法

ValueError: Could not use APOC procedures. Please ensure the APOC plugin is installed in Neo4j and that 'apoc.meta.data()' is allowed in Neo4j configuration 

1. 使用查詢結果回答問題

MATCH (p:Person)-[:ACTED_IN]->(m:Movie {title: 'Casino'}) RETURN p.name

Full Context:
[{'p.name': 'James Woods'}, {'p.name': 'Joe Pesci'}, {'p.name': 'Robert De Niro'}, {'p.name': 'Sharon Stone'}]

> Finished chain.