生成 Cypher 能力：MOSS VS ChatGLM
Here’s the table of contents:
生成 Cypher 能力：MOSS VS ChatGLM
MOSS介绍：MOSS 是复旦大学自然语言处理实验室发布的国内第一个对话式大型语言模型。MOSS是⼀个⽀持中英双语和多种插件的开源对话语⾔模型，moss-moon系列模型具有160亿参数，在FP16精度下可在单张A100/A800或两张3090显卡运⾏，在INT4/8精度下可在单张3090显卡运⾏。
MOSS基座语⾔模型在约七千亿中英⽂以及代码单词上预训练得到，后续经过对话指令微调、插件增强学习和⼈类偏好训练具备多轮对话能⼒及使⽤多种插件的能⼒，MOSS的最⼤对话⻓度为2048（输⼊+输出）。
局限性：由于模型参数量较⼩和⾃回归⽣成范式，MOSS仍然可能⽣成包含事实性错误的误导性回 复或包含偏⻅/歧视的有害内容，请谨慎鉴别和使⽤MOSS⽣成的内容，请勿将MOSS⽣成的有害 内容传播⾄互联⽹。若产⽣不良后果，由传播者⾃负。
ChatGLM 是由清华大学 KEG 实验室和智谱 AI 基于千亿基座模型 GLM-130B 开发的对话语言模型。ChatGLM 在 GLM-130B 的基础上持续进行文本和代码预训练并通过有监督微调等技术实现人类意图对齐，具备文案写作、信息抽取、角色扮演、问答、对话等能力。
下面测试结果为
MOSS和ChatGLM两个大语言模型生成Cypher的展示，总体效果MOSS要好于ChatGLM。
在六次测试中，只有MOSS在5和6案例中生成了完全正确可执行的Cypher（但是都多了一行注释），其它结果都不太好。
从目前测试过的结果来看，正确生成Cypher的能力GPT4 > GPT3.5 > MOSS > ChatGLM。
一、 测试结果
- QA:你好
该问题
MOSS生成了创建节点的Cypher，真实的目标是对于此类问题不生成Cypher，因此回答是错误的。
ChatGLM无法生成Cypher，是正确的，但是ChatGLM的回复显得有些冗长。
RE-MOSS:
CREATE (n:Person {name:'你好'}) RETURN n
RE-ChatGLM:
欢迎，有什么需要帮助的吗？
# 查询用户信息
user_id:int(什么是用户ID?), name:text(用户姓名), email:text(用户邮箱), password:text(用户密码)
# 查询订单信息
order_id:int(订单ID), customer_id:int(客户ID), product_id:int(产品ID), total:float(总价), status:text(状态：完成/未支付/取消)
# 查询用户订单
user_order:list(用户订单列表)
# 查询商品订单
product_order:list(商品订单列表)
请提供您的查询需求，我会尽力生成正确的Cypher语句。
- QA:最近半导体上涨的原因是什么？
该问题
MOSS和ChatGLM都无法生成正确的Cypher，是正确的。
但是MOSS和ChatGLM都回复了一个SQL，确实没有明白我在Prompt中定义的想生成Cypher的意图。
RE-MOSS:
SELECT * FROM cypher_example WHERE message = '最近半导体上涨的原因是什么？'
RE-ChatGLM:
SELECT
CASE
WHEN A.column_name = 'reason' THEN 'reason'
WHEN A.column_name = 'bubble_up' THEN 'bubble_up'
WHEN A.column_name = 'bubble_down' THEN 'bubble_down'
WHEN A.column_name = 'stock_price' THEN 'stock_price'
WHEN A.column_name = 'future_price' THEN 'future_price'
ELSE 'default'
END AS reason
FROM
columns A
WHERE
A.table_name = 'stock'
ORDER BY
stock_price DESC
LIMIT 1;
- QA:海南有哪些上市公司？
该问题
MOSS生成了看似正确的Cypher，但是节点n是没有name属性的，Cypher运行没有结果。
给出的示例中是直接输出节点变量，而不是某个具体字段。
ChatGLM没有生成正确的Cypher。
ChatGLM回复了一个看似正确的Cypher但是语法有错误，单独复制粘贴后Cypher无法运行，另外结果中还多了一些废话。
RE-MOSS:
MATCH (n:股票)-[:地域]->(n2:地域) WHERE n2.name='海南' RETURN DISTINCT n.name as name LIMIT 10
RE-ChatGLM:
match (n0：股票)-[r0：地域]->(n1：地域) WHERE n1.value='海南' return distinct n0 as n4 limit 10;
这是一条简单的Cypher查询，它匹配了一个股票向一个地域的反向匹配，并返回该股票的所有地区名称。请注意，此查询可能无法完全准确地返回所有海南上市公司的详细信息，因为它只返回了海南的股票。如果您需要更详细的信息，请提供更多上下文。
- QA:电气设备行业有多少家上市公司？
该问题
MOSS没有生成Cypher，ChatGLM也没有生成正确的Cypher。
ChatGLM也是回复了一个看似正确的Cypher但是语法有错误，单独复制粘贴后Cypher无法运行，另外结果中还多了一些废话。
RE-MOSS:
# 请问电气设备行业的公司名称是什么？
RE-ChatGLM:
match p0=(n0：股票)-[r0：所属行业]->(n1：行业)
WHERE n1.value='电气设备'
RETURN COUNT(DISTINCT n0) AS n4;
该查询将返回电气设备行业中上市公司的总数量。请注意，该查询将返回所有股票，无论它们属于哪个行业。如果您只需要返回特定行业的数量，请在WHERE子句中更改该条件。
- QA:水泥行业博士学历的男性高管有多少位？
该问题
MOSS生成了完全正确的Cypher（但是多了一行注释），ChatGLM没有生成正确的Cypher。
ChatGLM回复了一个看似正确的Cypher但是语法有错误，单独复制粘贴后Cypher无法运行，但这次好一些废话没有了。
# RE-MOSS:
# 水泥行业博士学历的男性高管有多少位？
MATCH p0=(n1:行业)<-[r0:所属行业]-(n0:股票)<-[r1:任职于]-(n2:高管)-[r2:性别]->(n3:性别)-[r4:别名]->(n5:性别_别名), p1=(n2)-[r3:学历]->(n4:学历) WHERE n1.value='水泥' AND n5.value='男性' AND n4.value='博士' RETURN COUNT(DISTINCT n2) AS n3;
RE-ChatGLM:
MATCH
p0=(n1：行业)<-[r0：所属行业]-(n0：股票)<-[r1：任职于]-(n2：高管)-[r2：性别]->(n3：性别)-[r4：别名]->(n5：性别_别名),
p1=(n2)-[r3：学历]->(n4：学历)
WHERE n1.value='水泥' AND n5.value='男性' AND n4.value='博士'
RETURN COUNT(DISTINCT n2) AS n3;
- QA:在北京由硕士学历的女性高管任职的上市公司，都属于哪些行业？
该问题
MOSS生成了完全正确的Cypher（仍然多了一行注释），ChatGLM没有生成正确的Cypher。
ChatGLM也是回复了一个看似正确的Cypher但是语法有错误，单独复制粘贴后Cypher无法运行，另外结果中仍然多了一些废话。
RE-MOSS:
# 在北京由硕士学历的女性高管任职的上市公司，都属于哪些行业？
MATCH p1=(n1:`地域`)<-[:`地域`]-(n2:`股票`)<-[:`任职于`]-(n3:`高管`)-[:`性别`]->(n4:`性别`), p2=(n3)-[:`学历`]->(n5:学历), p3=(n2)-[:`所属行业`]->(n6:行业) WHERE n1.value='北京' AND n5.value='硕士' AND n4.value='F' RETURN DISTINCT n6.value AS hy
RE-ChatGLM:
match p1=(n1:`地域`)<-[:`地域`]-(n2:`股票`)<-[:`任职于`]-(n3:`高管`)-[:`性别`]->(n4:`性别`),
p2=(n3)-[:`学历`]->(n5：学历),
p3=(n2)-[:`所属行业`]->(n6：行业)
WHERE n1.value='北京' AND n5.value='硕士' AND n4.value='F'
RETURN DISTINCT n6.value AShy;
这是一个匹配“在北京由硕士学历的女性高管任职的上市公司”的三元组Cypher查询，使用了以下语法：
- `match`：匹配三元组中的元素。
- `p1`：匹配`n1`中的`地域`元素。
- `p2`：匹配`n3`中的`学历`元素。
- `p3`：匹配`n2`中的`所属行业`元素。
- `WHERE`：在查询条件中添加过滤条件。
- `n1.value='北京' AND n5.value='硕士' AND n4.value='F'`：过滤条件，只有“北京”和“硕士”且“女性”的高管才能任职上市公司。
- `RETURN DISTINCT n6.value AShy`：返回每个行业的代码值。
请注意，这个查询只匹配了北京的数据，并且只使用了硕士和女性这两个条件。如果有更多的条件，可能需要在查询条件中包含它们。
二、 测试代码（包含Prompt）
import requests
import Levenshtein
import json
# 使用HTTP封装的MOSS接口，请根据具体接口情况替换
def moss(msg):
url = "https://localhost:8080/moss"
payload = json.dumps({
"query": msg,
"prefix_model": "MOSS",
"temperature": 0.0001
})
headers = {
'Content-Type': 'application/json'
}
response = requests.request("POST", url, headers=headers, data=payload)
return response.json()['answer']
def example_list():
ex_list = [{
'qa': '火力发电行业博士学历的男性高管有多少位？',
'cypher': '''
MATCH
p0=(n1:行业)<-[r0:所属行业]-(n0:股票)<-[r1:任职于]-(n2:高管)-[r2:性别]->(n3:性别)-[r4:别名]->(n5:性别_别名),
p1=(n2)-[r3:学历]->(n4:学历)
WHERE n1.value='火力发电' AND n5.value='男性' AND n4.value='博士'
RETURN COUNT(DISTINCT n2) AS n3;
'''
}, {
'qa': '山西都有哪些上市公司？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:地域]->(n1:地域) WHERE n1.value='山西'
RETURN DISTINCT n0 AS n4 LIMIT 10;
'''
}, {
'qa': '富奥股份的高管都是什么学历？',
'cypher': '''
MATCH p0=(n1:股票名称)<-[r0:股票名称]-(n0:股票)<-[r1:任职于]-(n2:高管)-[r2:学历]->(n3:学历)
WHERE n1.value='富奥股份'
RETURN DISTINCT n3 AS n2 LIMIT 10;
'''
}, {
'qa': '中国宝安属于什么行业？',
'cypher': '''
MATCH p0=(n1:股票名称)<-[r0:股票名称]-(n0:股票)-[r1:所属行业]->(n2:行业)
WHERE n1.value='中国宝安'
RETURN DISTINCT n2 AS n5 LIMIT 10;
'''
}, {
'qa': '建筑工程行业有多少家上市公司？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:所属行业]->(n1:行业)
WHERE n1.value='建筑工程'
RETURN COUNT(DISTINCT n0) AS n4;
'''
}, {
'qa': '刘卫国是哪个公司的高管？',
'cypher': '''
MATCH p0=(n0:股票)<-[r0:任职于]-(n1:高管)
WHERE n1.value='刘卫国'
RETURN DISTINCT n0 AS n4 LIMIT 10;
'''
}, {
'qa': '美丽生态上市时间是什么时候？',
'cypher': '''
MATCH p0=(n1:股票名称)<-[r0:股票名称]-(n0:股票)-[r1:上市日期]->(n2:上市日期)
WHERE n1.value='美丽生态'
RETURN DISTINCT n2 AS n1 LIMIT 10;
'''
}, {
'qa': '山西的上市公司有多少家？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:地域]->(n1:地域)
WHERE n1.value='山西'
RETURN COUNT(DISTINCT n0) AS n4;
'''
}, {
'qa': '博士学历的高管都有哪些？',
'cypher': '''
MATCH p0=(n0:高管)-[r0:学历]->(n1:学历)
WHERE n1.value='博士'
RETURN DISTINCT n0 AS n3 LIMIT 10;
'''
}, {
'qa': '上市公司是博士学历的高管有多少个？',
'cypher': '''
MATCH p0=(n0:高管)-[r0:学历]->(n1:学历)
WHERE n1.value='博士'
RETURN COUNT(DISTINCT n0) AS n3;
'''
}, {
'qa': '刘卫国是什么学历？',
'cypher': '''
MATCH p0=(n0:高管)-[r0:学历]->(n1:学历)
WHERE n0.value='刘卫国'
RETURN DISTINCT n1 AS n2 LIMIT 10;
'''
}, {
'qa': '富奥股份的男性高管有多少个？',
'cypher': '''
MATCH p0=(n1:股票名称)<-[r0:股票名称]-(n0:股票)<-[r1:任职于]-(n2:高管)-[r2:性别]->(n3:性别)-[r3:别名]->(n4:性别_别名)
WHERE n1.value='富奥股份' AND n4.value='男性'
RETURN COUNT(DISTINCT n2) AS n3;
'''
}, {
'qa': '同在火力发电行业的上市公司有哪些？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:所属行业]->(n1:行业)
WHERE n1.value='火力发电'
RETURN DISTINCT n0 AS n4 LIMIT 10;
'''
}, {
'qa': '同在火力发电行业的上市公司有多少家？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:所属行业]->(n1:行业)
WHERE n1.value='火力发电'
RETURN COUNT(DISTINCT n0) AS n4;
'''
}, {
'qa': '大悦城和荣盛发展是同一个行业嘛？',
'cypher': '''
MATCH p0=(n1:股票名称)<-[r0:股票名称]-(n0:股票)-[r1:所属行业]->(n2:行业)
WHERE n1.value IN ['大悦城','荣盛发展']
RETURN DISTINCT n2 AS n5 LIMIT 10;
'''
}, {
'qa': '同在河北的上市公司有哪些？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:地域]->(n1:地域)
WHERE n1.value='河北'
RETURN DISTINCT n0 AS n4 LIMIT 10;
'''
}, {
'qa': '神州高铁是什么时候上市的？',
'cypher': '''
MATCH p0=(n1:股票名称)<-[r0:股票名称]-(n0:股票)-[r1:上市日期]->(n2:上市日期)
WHERE n1.value='神州高铁'
RETURN DISTINCT n2 AS n1 LIMIT 10;
'''
}, {
'qa': '火力发电行业男性高管有多少个？',
'cypher': '''
MATCH p0=(n1:行业)<-[r0:所属行业]-(n0:股票)<-[r1:任职于]-(n2:高管)-[r2:性别]->(n3:性别)-[r3:别名]->(n4:性别_别名)
WHERE n1.value='火力发电' AND n4.value='男性'
RETURN COUNT(DISTINCT n2) AS n3;
'''
}, {
'qa': '2023年三月六日上市的股票代码？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:上市日期]->(n1:上市日期)
WHERE (n1.value>=20230306 AND n1.value<=20230306)
RETURN DISTINCT n0 AS n4 LIMIT 10;
'''
}, {
'qa': '2023年三月六日上市的股票有哪些？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:上市日期]->(n1:上市日期)
WHERE (n1.value>=20230306 AND n1.value<=20230306)
RETURN DISTINCT n0 AS n4 LIMIT 10;
'''
}, {
'qa': '2023年三月六日上市的股票有多少个？',
'cypher': '''
MATCH p0=(n0:股票)-[r0:上市日期]->(n1:上市日期)
WHERE (n1.value>=20230306 AND n1.value<=20230306)
RETURN COUNT(DISTINCT n0) AS n4;
'''
}, {
'qa': '胡永乐是什么性别？',
'cypher': '''
MATCH p0=(n0:高管)-[r0:性别]->(n1:性别)
WHERE n0.value='胡永乐'
RETURN DISTINCT n1 AS n7 LIMIT 10;
'''
}, {
'qa': '在山东由硕士学历的男性高管任职的上市公司，都属于哪些行业？',
'cypher': '''
MATCH
p1=(n1:`地域`)<-[:`地域`]-(n2:`股票`)<-[:`任职于`]-(n3:`高管`)-[:`性别`]->(n4:`性别`),
p2=(n3)-[:`学历`]->(n5:学历),
p3=(n2)-[:`所属行业`]->(n6:行业)
WHERE n1.value='山东' AND n5.value='硕士' AND n4.value='M'
RETURN DISTINCT n6.value AS hy;
'''
}]
return ex_list
def examples(ask):
examples_str = ''
examples_list = []
for index, map in enumerate(example_list()):
qa = map['qa']
cypher = map['cypher']
dis = Levenshtein.distance(ask, qa)
examples_list.append({
'qa': qa, 'cypher': cypher, 'dis': dis})
sorted_list = sorted(examples_list, key=lambda map: map['dis'])
for map in sorted_list:
qa = map['qa']
cypher = map['cypher']
dis = map['dis']
ex = f'''
# {
qa}
{
cypher}
'''
# `prompt(ask)` Prompt Length 300
if dis < 6 and len(examples_str + ex) + 300 <= 2048:
examples_str += ex
return examples_str
def prompt(ask):
return f"""
您是一名助手，能够根据示例Cypher查询生成Cypher查询。
示例Cypher查询有：\n {
examples(ask)} \n
除了Cypher查询之外，不要回复任何解释或任何其他信息。
您永远不要为你的不准确回复感到抱歉，并严格根据提供的cypher示例生成cypher语句。
不要提供任何无法从Cypher示例中推断出的Cypher语句。
当由于缺少对话上下文而无法推断密码语句时，通知用户，并说明缺少的上下文是什么。
现在请为这个查询生成Cypher:
# {
ask}
"""
if __name__ == '__main__':
# 输入问题
ask = '在北京由硕士学历的女性高管任职的上市公司，都属于哪些行业？'
print(moss(prompt(ask)))