自然语言处理 (NLP)

本章介绍的过程充当基于云的自然语言 API 的包装器。这些过程从存储为节点属性的文本中提取实体、关键词、类别和情感。

本节包括

Neo4j 为结构化数据提供了强大的查询功能，但世界上许多数据都存在于文本文档中。NLP 技术可以帮助提取这些文档中的潜在结构。这种结构可以像表示句子中词元的节点一样简单，也可以像使用命名实体识别算法提取的表示实体的节点一样复杂。

为什么选择 NLP？

从文本文档中提取结构并将其存储在图中可以实现多种不同的用例，包括

  • 基于内容的推荐

  • 自然语言搜索

  • 文档相似性

apoc.nlp.* 过程

它包含调用 Amazon Web Services (AWS)、Google Cloud Platform (GCP) 和 Microsoft Azure 自然语言 API 的过程，并根据返回的结果创建图。

这些过程支持实体提取、关键词提取、情感分析和文档分类。

相关文章

开发者指南

以下指南展示了如何解决各种与 NLP 相关的問題

其他方法

为了完整起见，我们报告了其他可能的 NLP 方法。

Hume 是由 Neo4j 合作伙伴 GraphAware 创建的基于图的洞察引擎。它可以用来构建知识图，帮助您的组织发现以前被掩盖和未被发现的相关性。

详细了解 GraphAware Hume.

以下文章介绍了其他使用 Python 库和 Cypher 进行 NLP 分析的方法