如何基于源文件名过滤Neo4j图数据库返回给LLM的结果？

问题 #

我正在为技术文档构建带混合检索的Graph RAG，需要针对特定版本的文档返回结果。目前基于Neo4j实现，但无法通过文件名过滤图查询与向量查询。我基于公开的Graph RAG示例代码修改为加载MS Word文件，代码能正常运行，但版本相关查询无法返回对应文件的正确信息。尝试在graph_retriever方法的图查询中添加WHERE子句过滤node.source（包含版本号'12.34'），但修改后无结果返回。另外，示例代码的add_graph_documents方法不支持存储文件名/URL信息，考虑添加version_number字段但不知如何实现。

解决方案 #

1. 给图节点添加源文件/版本属性 #

首先需要修改add_graph_documents方法，确保在创建实体节点时存储源文件名或版本信息：

• 处理Word文件时，提取文件名或版本号（比如从文件名中解析版本，如v12.34_xxx.docx）；
• 修改节点创建的Cypher语句，添加source或version_number属性：

  # 原创建节点的Cypher语句
  # query = "MERGE (n:Entity {id: $entity}) ON CREATE SET n.name = $entity"
  # 修改后：
  query = "MERGE (n:Entity {id: $entity}) ON CREATE SET n.name = $entity, n.source = $source"
  # 调用时传入source参数（比如文件名或版本号）
  for entity in entities:
      tx.run(query, entity=entity, source=doc_source)  # doc_source为文件名/版本号
  

2. 修正图查询的过滤逻辑 #

之前的查询无结果，大概率是因为节点未正确设置source属性，或者过滤范围太窄。调整查询逻辑：

• 先过滤起始节点的source属性，确保只从目标版本的节点出发查询；
• 可选：如果需要关联的邻居节点也来自同一版本，添加邻居节点的过滤条件：

  CALL db.index.fulltext.queryNodes('entity', $query, {limit:2})
  YIELD node,score
  WHERE node.source CONTAINS '12.34'
  CALL {
    WITH node
    MATCH (node)-[r:!MENTIONS]->(neighbor)
    WHERE neighbor.source CONTAINS '12.34'
    RETURN node.id + ' - ' + type(r) + ' -> ' + neighbor.id AS output
    UNION ALL
    WITH node
    MATCH (node)<-[r:!MENTIONS]-(neighbor)
    WHERE neighbor.source CONTAINS '12.34'
    RETURN neighbor.id + ' - ' + type(r) + ' -> ' + node.id AS output
  }
  RETURN output LIMIT 50
  

3. 向量查询的来源过滤 #

如果是混合检索，向量部分也要同步添加过滤：

• 若使用Neo4j向量索引，在向量查询时添加WHERE node.source CONTAINS '12.34'条件；
• 确保向量节点同样存储了source属性（可在嵌入文档时同步写入）。

内容的提问来源于stack exchange，提问作者Viv