DeepSeek和Kimi在Neo4j中的表現

以下是2個最近爆火的人工智能工具,

DeepSeek:DeepSeek

Kimi: Kimi - 會推理解析,能深度思考的AI助手

1、提示詞:

你能幫我生成一個知識圖譜嗎,等一下我會給你一篇文章,幫我從內容中提取關鍵要素,然后以Neo4j的語法的形式構建知識圖譜

2、待處理文字:

喂給它的文字是從 https://www.zhihu.com/question/361137050/answer/3186161914?復制的一段,(此段文字可以是任意的,不需要理解,復制即可)。

3、DeepSeek生成的Cypher代碼:

// 創建實體:NebulaGraph

CREATE (ng:NebulaGraph {name: 'NebulaGraph', description: '開源的、分布式的、易擴展的原生圖數據庫'});

// 創建實體:圖數據庫

CREATE (gdb:DatabaseType {name: '圖數據庫', description: '專門存儲龐大的圖形網絡并從中檢索信息的數據庫'});

// 創建關系:NebulaGraph 是一種 圖數據庫

CREATE (ng)-[:IS_A]->(gdb);

// 創建屬性節點

CREATE (opensource:Attribute {name: '開源', description: '在 Apache 2.0 條款下開發'});

CREATE (highperformance:Attribute {name: '高性能', description: '提供毫秒級查詢'});

CREATE (scalable:Attribute {name: '易擴展', description: '支持在不停止數據庫服務的情況下擴縮容'});

CREATE (developerFriendly:Attribute {name: '易開發', description: '提供多種編程語言的客戶端'});

CREATE (reliable:Attribute {name: '高可靠', description: '支持嚴格的角色訪問控制和 LDAP 認證'});

CREATE (ecosystem:Attribute {name: '生態多樣化', description: '提供多種原生工具和與其他產品的整合能力'});

CREATE (openCypher:Attribute {name: '兼容 openCypher', description: '部分兼容 openCypher 的查詢語言'});

CREATE (futureHardware:Attribute {name: '面向未來硬件', description: '面向 SSD 設計,讀寫平衡'});

CREATE (flexibleModeling:Attribute {name: '靈活數據建模', description: '用戶可以輕松建立數據模型'});

// 創建關系:NebulaGraph 具有這些屬性

CREATE (ng)-[:HAS_ATTRIBUTE]->(opensource);

CREATE (ng)-[:HAS_ATTRIBUTE]->(highperformance);

CREATE (ng)-[:HAS_ATTRIBUTE]->(scalable);

CREATE (ng)-[:HAS_ATTRIBUTE]->(developerFriendly);

CREATE (ng)-[:HAS_ATTRIBUTE]->(reliable);

CREATE (ng)-[:HAS_ATTRIBUTE]->(ecosystem);

CREATE (ng)-[:HAS_ATTRIBUTE]->(openCypher);

CREATE (ng)-[:HAS_ATTRIBUTE]->(futureHardware);

CREATE (ng)-[:HAS_ATTRIBUTE]->(flexibleModeling);

// 創建適用場景節點

CREATE (fraudDetection:Scenario {name: '欺詐檢測', description: '檢測潛在的金融欺詐行為'});

CREATE (realTimeRecommendation:Scenario {name: '實時推薦', description: '精準推送文章、視頻、產品和服務'});

CREATE (knowledgeGraph:Scenario {name: '知識圖譜', description: '將自然語言轉化為知識圖譜'});

CREATE (socialNetwork:Scenario {name: '社交網絡', description: '處理數十億人和數萬億人際關系的信息'});

// 創建關系:NebulaGraph 適用于這些場景

CREATE (ng)-[:APPLIES_TO]->(fraudDetection);

CREATE (ng)-[:APPLIES_TO]->(realTimeRecommendation);

CREATE (ng)-[:APPLIES_TO]->(knowledgeGraph);

CREATE (ng)-[:APPLIES_TO]->(socialNetwork);

// 創建公司節點

CREATE (tencent:Company {name: '騰訊'});

CREATE (meituan:Company {name: '美團'});

CREATE (jd:Company {name: '京東'});

CREATE (kuaishou:Company {name: '快手'});

CREATE (qihoo360:Company {name: '360'});

// 創建關系:這些公司使用 NebulaGraph

CREATE (tencent)-[:USES]->(ng);

CREATE (meituan)-[:USES]->(ng);

CREATE (jd)-[:USES]->(ng);

CREATE (kuaishou)-[:USES]->(ng);

CREATE (qihoo360)-[:USES]->(ng);

4、把DeepSeek生成的Cypher?代碼插入到Neo4j中

先刪除所有節點: ?match?(n)?detach?delete?n;

把DeepSeek生成的Cypher 代碼插入到Neo4j中。

節點分散,如下圖:

5、Kimi生成的Cypher代碼:

// 創建實體節點

CREATE (ng:NebulaGraph {name: "NebulaGraph", description: "開源圖數據庫"})

CREATE (gd:GraphDatabase {name: "圖數據庫", description: "存儲圖形網絡的數據庫"})

CREATE (cpp:ProgrammingLanguage {name: "C++", description: "編程語言"})

CREATE (java:ProgrammingLanguage {name: "Java", description: "編程語言"})

CREATE (python:ProgrammingLanguage {name: "Python", description: "編程語言"})

CREATE (go:ProgrammingLanguage {name: "Go", description: "編程語言"})

CREATE (apache:License {name: "Apache 2.0", description: "開源許可協議"})

CREATE (github:Platform {name: "GitHub", description: "代碼托管平臺"})

CREATE (ldap:Protocol {name: "LDAP", description: "輕量級目錄訪問協議"})

CREATE (studio:Tool {name: "NebulaGraph Studio", description: "原生工具"})

CREATE (console:Tool {name: "NebulaGraph Console", description: "原生工具"})

CREATE (exchange:Tool {name: "NebulaGraph Exchange", description: "原生工具"})

CREATE (spark:Product {name: "Spark", description: "大數據處理框架"})

CREATE (flink:Product {name: "Flink", description: "流處理框架"})

CREATE (hbase:Product {name: "HBase", description: "分布式存儲系統"})

CREATE (tencent:Company {name: "騰訊", description: "科技公司"})

CREATE (meituan:Company {name: "美團", description: "科技公司"})

CREATE (jd:Company {name: "京東", description: "科技公司"})

CREATE (kuaishou:Company {name: "快手", description: "科技公司"})

CREATE (qihoo:Company {name: "360", description: "科技公司"})

CREATE (fraud:Application {name: "欺詐檢測", description: "應用場景"})

CREATE (recommendation:Application {name: "實時推薦", description: "應用場景"})

CREATE (kg:Application {name: "知識圖譜", description: "應用場景"})

CREATE (social:Application {name: "社交網絡", description: "應用場景"})

// 創建關系

CREATE (ng)-[:IS_A]->(gd)

CREATE (ng)-[:WRITTEN_IN]->(cpp)

CREATE (ng)-[:SUPPORTS]->(java)

CREATE (ng)-[:SUPPORTS]->(python)

CREATE (ng)-[:SUPPORTS]->(go)

CREATE (ng)-[:FOLLOWS]->(apache)

CREATE (ng)-[:HOSTED_ON]->(github)

CREATE (ng)-[:SUPPORTS]->(ldap)

CREATE (ng)-[:INCLUDES]->(studio)

CREATE (ng)-[:INCLUDES]->(console)

CREATE (ng)-[:INCLUDES]->(exchange)

CREATE (ng)-[:INTEGRATES_WITH]->(spark)

CREATE (ng)-[:INTEGRATES_WITH]->(flink)

CREATE (ng)-[:INTEGRATES_WITH]->(hbase)

CREATE (tencent)-[:USES]->(ng)

CREATE (meituan)-[:USES]->(ng)

CREATE (jd)-[:USES]->(ng)

CREATE (kuaishou)-[:USES]->(ng)

CREATE (qihoo)-[:USES]->(ng)

CREATE (ng)-[:APPLICABLE_FOR]->(fraud)

CREATE (ng)-[:APPLICABLE_FOR]->(recommendation)

CREATE (ng)-[:APPLICABLE_FOR]->(kg)

CREATE (ng)-[:APPLICABLE_FOR]->(social)

6、把Kimi生成的Cypher代碼插入到Neo4j中

先刪除所有節點: ?match?(n)?detach?delete?n;

把Kimi生成的Cypher代碼插入到Neo4j中,節點分散,如下圖:

7、兩幅圖不同的原因

在使用Cypher語言生成圖數據時,即使使用相同的文字數據,最終生成的圖可能會有巨大的不同,這主要是由于以下幾個原因:

  1. 布局算法:不同的布局算法會導致節點和邊的排列方式不同。Cypher本身不負責布局,布局通常由圖可視化工具(如Neo4j Browser、Gephi等)完成。不同的工具或同一工具中的不同布局算法可能會導致圖的視覺表現差異很大。

  2. 節點和邊的屬性:如果節點和邊的屬性不同(例如,權重、標簽、顏色等),即使使用相同的數據,布局算法可能會根據這些屬性來調整節點的位置和邊的顯示方式。

  3. 數據模型:數據模型的設計(例如,節點之間的關系類型、節點的屬性等)也會影響圖的生成。不同的數據模型可能會導致不同的圖結構。

  4. 圖的復雜性:如果圖非常復雜(例如,包含大量的節點和邊),布局算法可能會采用不同的策略來避免節點重疊或邊交叉,從而導致不同的視覺效果。

  5. 參數設置:布局算法通常有一些參數可以調整,例如節點之間的距離、邊的彎曲程度等。不同的參數設置會導致不同的布局結果。

  6. 隨機性:某些布局算法可能包含隨機性,這意味著每次運行時生成的圖可能會有所不同。

注:隨著時間的變化,在之后再次向大語言模型詢問相同問題時,給出的代碼表現效果相比實驗記錄時優化了很多,相關模型都在飛速提升。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:
http://www.pswp.cn/news/898682.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/898682.shtml
英文地址,請注明出處:http://en.pswp.cn/news/898682.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

相機光學中一些疑難問題的解釋

工業機器視覺系統廣泛應用于自動化生產、質量控制、物體檢測等領域,而光學原理和鏡頭選擇是確保其精準度和高效性的關鍵因素。 1. 為什么鏡頭的最大光圈處通常成像不佳? 在許多攝影場景中,最大光圈(例如F1.2、F1.8)是…

藍橋杯高頻考點——并查集(心血之作)

并查集 TA Can Do What & why learningwhatwhy 原理和結構路徑壓縮例題講解題解solution 1(50分)solution 2(100分) 按秩(樹高)合并按大小合并 TA Can Do What & why learning what 并查集主要是解決連通塊的問題&#x…

抖音視頻數據獲取實戰:從API調用到熱門內容挖掘

在短視頻流量為王的時代,掌握抖音熱門視頻數據已成為內容運營、競品分析及營銷決策的關鍵。本文將手把手教你通過抖音開放平臺API獲取視頻詳情數據,并提供完整的代碼實現及商業化應用思路。 一、抖音API權限申請與核心接口 抖音API需企業資質認證&…

香橙派連接攝像頭過程

在香橙派上下載NoMachine 在控制電腦上也下載NoMachine sudo nmcli dev wifi connect "你的WiFi名稱" password "你的WiFi密碼" 連接上wifi后就可以在NoMachine連上香橙派了 (不過前提是香橙派有安裝桌面端系統(非僅窗口端&…

SOFABoot-08-啟動加速

前言 大家好,我是老馬。 sofastack 其實出來很久了,第一次應該是在 2022 年左右開始關注,但是一直沒有深入研究。 最近想學習一下 SOFA 對于生態的設計和思考。 sofaboot 系列 SOFABoot-00-sofaboot 概覽 SOFABoot-01-螞蟻金服開源的 s…

簡單實用!百度AI + Raphael AI = 免費生圖

簡單實用!百度AI Raphael AI 免費生圖 -- ![在這里插入圖片描述](https://i-blog.csdnimg.cn/direct/b55eda9141d34697b05db0cd60f62b75.png#pic_center) 第一步:下載或截取一些好看的圖片當參考圖片 第二步:用百度AI描述你想要的圖片&…

React中組件通訊與插槽

一、為DOM組件設置Props 1.用JSX語法對標簽的類名進行設置屬性名是className; 2.用JSX語法對標簽的樣式進行設置要使用鍵值對進行設置,帶“-”時用小駝峰方法來書寫; 3.當一個標簽的屬性過多時,可以通過JSX語法進行展開設置&am…

自定義reset50模型轉換到昇騰om

目錄 原始轉換腳本 腳本運行報錯 基于reset50 模型的自定義網絡 基本網絡結構 卷積模塊定義示例 Bottleneck定義示例 網絡定義示例 改進的轉換腳本 腳本運行報錯channels不匹配 腳本運行報錯維度不匹配 模型輸入數據的類型 tensor size NCHW和NHWC 自定義網絡的通…

vue3:十一、主頁面布局(進入指定菜單頁面,默認鎖定到左側菜單)

一、效果 直接進入home頁面,直接展開對應的菜單項 二、具體實現 1、菜單容器增加默認選中變量 在菜單容器中將默認展開菜單default-openeds修改為默認選中菜單default-active 2、引入useRoute方法 引入該方法為了獲取當前頁面的路徑 import { useRoute } from …

六十天前端強化訓練之第二十七天之Pinia 狀態管理全解與購物車實戰案例

歡迎來到編程星辰海的博客講解 看完可以給一個免費的三連嗎,謝謝大佬! 目錄 一、Pinia 深度解析 1. Pinia 核心設計 2. 核心概念圖解 3. Store 類型對比 Option Store(選項式) Setup Store(組合式) …

計算機網絡技術服務管理基于Spring Boot-SSM

目錄 一、引言 二、用戶需求分析 三、功能介紹 ??3.1.資源管理?: ?3.2.故障管理?: ?3.3.性能管理?: ?3.4.安全管理?: ?3.5.配置管理?: ?3.6.日志管理?: ?3.7.用戶管理?&#xff1…

深度學習驅動下的字符識別:挑戰與創新

一、引言 1.1 研究背景 深度學習在字符識別領域具有至關重要的地位。隨著信息技術的飛速發展,對字符識別的準確性和效率要求越來越高。字符識別作為計算機視覺領域的一個重要研究方向,其主要目的是將各種形式的字符轉換成計算機可識別的文本信息。近年…

Java多線程與高并發專題——Future 是什么?

引入 在上一篇Callable 和 Runnable 的不同?的最后,我們有提到和 Callable 配合的有一個 Future 類,通過 Future 可以了解任務執行情況,或者取消任務的執行,還可獲取任務執行的結果,這些功能都是 Runnable…

【vue的some和filter】

在 Vue 中,some 和 filter 是兩種不同的數組方法,分別用于處理數據篩選和條件判斷。以下是它們在 Vue 中的具體用法和區別: 一、filter 方法 作用:對數組進行過濾,返回符合條件的新數組。 使用場景:常用于…

用ArcGIS做一張符合環評要求的植被類型圖

植被類型圖是環境影響評價(環評)中的重要圖件,需滿足數據準確性、制圖規范性和信息完整性等要求。本教程將基于ArcMap平臺,從數據準備到成果輸出,詳細講解如何制作符合環評技術規范的植被類型圖。 ArcGIS遙感解譯土地…

Fourier-Lerobot——把斯坦福人形動作策略iDP3封裝進了Lerobot(含我司七月人形研發落地實踐)

前言 近期在摳lerobot源碼時,看到其封裝了ALOHA ACT、diffusion policy、π0時,我就在想,lerobot其實可以再封裝下idp3 我甚至考慮是否從我聯合帶的那十幾個具身研究生中選幾個同學做下這事,對他們也是很好的歷練然當25年3.18日…

MySQL拒絕訪問

1. 問題 使用圖形界面工具連接MySQL數據庫,拒絕訪問! 2. 解決方法 以管理員的身份打開cmd,輸入命令,啟動MySQL net start mysql版本號 3. 參考 暫無

多模態SVG生成新標桿:StarVector從圖像文本生成高精度SVG的AI模型

一、引言:矢量圖形的崛起與挑戰 在現代數字世界中,圖像扮演著至關重要的角色,而可伸縮矢量圖形(SVG)正因其獨特的優勢,在網頁設計、圖形設計等領域占據著越來越重要的地位。與傳統的基于像素的柵格圖像不同…

Netty——BIO、NIO 與 Netty

文章目錄 1. 介紹1.1 BIO1.1.1 概念1.1.2 工作原理1.1.3 優缺點 1.2 NIO1.2.1 概念1.2.2 工作原理1.2.3 優缺點 1.3 Netty1.3.1 概念1.3.2 工作原理1.3.3 優點 2. Netty 與 Java NIO 的區別2.1 抽象層次2.2 API 易用性2.3 性能優化2.4 功能擴展性2.5 線程模型2.6 適用場景 3. 總…

游戲引擎學習第175天

回顧和今天的計劃 今天的主要任務是完成稀疏 Unicode 支持。之前我們已經完成了所有的思考和設計工作,但代碼部分尚未完成,因為有許多內容需要調整和重構。因此,今天的目標就是把這些內容全部整理好并最終實現。 回顧當前測試資源構建器的狀…