Question Validation

[X] I have searched both the documentation and discord for an answer.

Question

报错： Traceback (most recent call last): File "/home/cdhd/PythonCode/pythonProject/Knowledge/Neo4j/graph_neo4j.py", line 93, in net.show("example.html") File "/home/cdhd/PythonCode/pythonProject/.venv/lib/python3.10/site-packages/pyvis/network.py", line 546, in show self.write_html(name, open_browser=False,notebook=True) File "/home/cdhd/PythonCode/pythonProject/.venv/lib/python3.10/site-packages/pyvis/network.py", line 530, in write_html out.write(self.html) UnicodeEncodeError: 'ascii' codec can't encode character '\xa9' in position 230491: ordinal not in range(128) 代码： g = index.get_networkx_graph()

directed：false--生成无向图 true--生成有向图

net = Network(notebook=True, cdn_resources="in_line", directed=True)

net.from_nx(g) net.show("example.html") import IPython

IPython.display.HTML(filename='example.html')

要解决 UnicodeEncodeError 并成功实现知识图谱的可视化，请确保你的 HTML 文件正确地使用 UTF-8 编码。你可以在 HTML 文件中包含以下 meta 标签来指定 UTF-8 编码：

<meta charset="utf-8">

如果你仍然遇到 UnicodeEncodeError，可能是由于文件的读取或写入方式不正确。确保你的环境正确处理 UTF-8 编码。

以下是一个使用 Python 的 http.server 模块来正确处理 UTF-8 编码并提供 HTML 文件的示例：

import http.server
import socketserver

PORT = 8000

Handler = http.server.SimpleHTTPRequestHandler

with socketserver.TCPServer(("", PORT), Handler) as httpd:
    print("Serving at port", PORT)
    httpd.serve_forever()

将此脚本保存在与你的 HTML 文件相同的目录中并运行它。然后，在浏览器中导航到 http://localhost:8000/example.html 以查看知识图谱。

如果问题仍然存在，请确保 HTML 文件中的所有文本内容都正确地使用 UTF-8 编码。你可以使用支持 UTF-8 编码的文本编辑器来验证并保存文件。

此外，LlamaIndex 仓库中提到了一些替代方法来可视化知识图谱，这些方法可能会避免 pyvis 中的 Unicode 处理问题。例如，可以使用 yfiles_jupyter_graphs 或 networkx 进行可视化：

使用 `yfiles_jupyter_graphs`：

def show_jupyter_graph(self) -> None:
    try:
        from yfiles_jupyter_graphs import GraphWidget
    except ImportError:
        raise ImportError(
            "Please install yfiles_jupyter_graphs to visualize the graph: `pip install yfiles_jupyter_graphs`"
        )

    w = GraphWidget()
    nodes = []
    edges = []
    for node in self.graph.nodes.values():
        node = {"id": node.id, "properties": {"label": node.id}}
        nodes.append(node)
    for triplet in self.graph.triplets:
        edge = {
            "id": triplet[1],
            "start": triplet[0],
            "end": triplet[2],
            "properties": {"label": triplet[1]},
        }
        edges.append(edge)
    w.nodes = nodes
    w.edges = edges
    display(w)

使用 `networkx`：

def get_networkx_graph(self, limit: int = 100) -> Any:
    try:
        import networkx as nx
    except ImportError:
        raise ImportError(
            "Please install networkx to visualize the graph: `pip install networkx`"
        )

    g = nx.Graph()
    subjs = list(self.index_struct.table.keys())

    rel_map = self._graph_store.get_rel_map(subjs=subjs, depth=1, limit=limit)

    added_nodes = set()
    for keyword in rel_map:
        for path in rel_map[keyword]:
            subj = keyword
            for i in range(0, len(path), 2):
                if i + 2 >= len(path):
                    break

                if subj not in added_nodes:
                    g.add_node(subj)
                    added_nodes.add(subj)

                rel = path[i + 1]
                obj = path[i + 2]

                g.add_edge(subj, obj, label=rel, title=rel)
                subj = obj
    return g

这些方法提供了 pyvis 的替代方案，可以帮助避免你可能遇到的 Unicode 处理问题^[1]^[2]^[3]。

To continue talking to Dosu, mention @dosu.

要解决 UnicodeEncodeError 并成功实现知识图谱的可视化，请确保你的 HTML 文件正确地使用 UTF-8 编码。你可以在 HTML 文件中包含以下 meta 标签来指定 UTF-8 编码：
<meta charset="utf-8">
如果你仍然遇到 UnicodeEncodeError，可能是由于文件的读取或写入方式不正确。确保你的环境正确处理 UTF-8 编码。

以下是一个使用 Python 的 http.server 模块来正确处理 UTF-8 编码并提供 HTML 文件的示例：
import http.server
import socketserver

PORT = 8000

Handler = http.server.SimpleHTTPRequestHandler

with socketserver.TCPServer(("", PORT), Handler) as httpd:
    print("Serving at port", PORT)
    httpd.serve_forever()
将此脚本保存在与你的 HTML 文件相同的目录中并运行它。然后，在浏览器中导航到 http://localhost:8000/example.html 以查看知识图谱。

如果问题仍然存在，请确保 HTML 文件中的所有文本内容都正确地使用 UTF-8 编码。你可以使用支持 UTF-8 编码的文本编辑器来验证并保存文件。

此外，LlamaIndex 仓库中提到了一些替代方法来可视化知识图谱，这些方法可能会避免 pyvis 中的 Unicode 处理问题。例如，可以使用 yfiles_jupyter_graphs 或 networkx 进行可视化：

使用 yfiles_jupyter_graphs：
def show_jupyter_graph(self) -> None:
    try:
        from yfiles_jupyter_graphs import GraphWidget
    except ImportError:
        raise ImportError(
            "Please install yfiles_jupyter_graphs to visualize the graph: `pip install yfiles_jupyter_graphs`"
        )

    w = GraphWidget()
    nodes = []
    edges = []
    for node in self.graph.nodes.values():
        node = {"id": node.id, "properties": {"label": node.id}}
        nodes.append(node)
    for triplet in self.graph.triplets:
        edge = {
            "id": triplet[1],
            "start": triplet[0],
            "end": triplet[2],
            "properties": {"label": triplet[1]},
        }
        edges.append(edge)
    w.nodes = nodes
    w.edges = edges
    display(w)
使用 networkx：
def get_networkx_graph(self, limit: int = 100) -> Any:
    try:
        import networkx as nx
    except ImportError:
        raise ImportError(
            "Please install networkx to visualize the graph: `pip install networkx`"
        )

    g = nx.Graph()
    subjs = list(self.index_struct.table.keys())

    rel_map = self._graph_store.get_rel_map(subjs=subjs, depth=1, limit=limit)

    added_nodes = set()
    for keyword in rel_map:
        for path in rel_map[keyword]:
            subj = keyword
            for i in range(0, len(path), 2):
                if i + 2 >= len(path):
                    break

                if subj not in added_nodes:
                    g.add_node(subj)
                    added_nodes.add(subj)

                rel = path[i + 1]
                obj = path[i + 2]

                g.add_edge(subj, obj, label=rel, title=rel)
                subj = obj
    return g
这些方法提供了 pyvis 的替代方案，可以帮助避免你可能遇到的 Unicode 处理问题[1][2][3]。

To continue talking to Dosu, mention @dosu.

我不是很明白你的意思，所以请将你的解决方法在我的代码中做修改，谢谢，我的代码如下： from llama_index.core import SimpleDirectoryReader,KnowledgeGraphIndex,StorageContext,Settings import nest_asyncio

from llama_index.embeddings.huggingface import HuggingFaceEmbedding

from llama_index.llms.huggingface import HuggingFaceLLM from llama_index.core import PromptTemplate from llama_index.graph_stores.neo4j import Neo4jGraphStore import torch from pyvis.network import Network

import yapf

nest_asyncio.apply()

Load documents

documents = SimpleDirectoryReader('/home/cdhd/PythonCode/pythonProject/TestFile/公司主要人员架构类').load_data() model_config = {"protected_namespaces": ()}

SYSTEM_PROMPT = """You are a helpful AI assistant. """

query_wrapper_prompt = PromptTemplate( "[INST]<>\n" + SYSTEM_PROMPT + "<>\n\n{query_str}[/INST] " )

llm = HuggingFaceLLM( context_window=4096, max_new_tokens=1024, generate_kwargs={"temperature": 0.2, "do_sample": True}, query_wrapper_prompt=query_wrapper_prompt,

tokenizer_name='/home/cdhd/PythonCode/pythonProject/model/gpt2',

# model_name='/home/cdhd/PythonCode/pythonProject/model/gpt2',
tokenizer_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
model_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
device_map="auto",
# change these settings below depending on your GPU
model_kwargs={"torch_dtype": torch.float16},

)

llm = AutoModel.from_pretrained('/home/cdhd/Desktop/glm4/glm-4-9b-chat', trust_remote_code=True)

Settings.llm = llm

embed_model = HuggingFaceEmbedding( model_name='/home/cdhd/PythonCode/pythonProject/model/bge-large-zh-v1.5/models--BAAI--bge-large-zh-v1.5/snapshots/79e7739b6ab944e86d6171e44d24c997fc1e0116',

model_name = r"E:\Huggingface_model\bge-large-zh-v1.5",

# cache_folder=r"E:\Huggingface_model\bge-large-zh-v1.5\models--BAAI--bge-large-zh-v1.5\snapshots\79e7739b6ab944e86d6171e44d24c997fc1e0116",

) Settings.embed_model = embed_model

graph_store = Neo4jGraphStore( username="neo4j", password="12345678", url="bolt://localhost:7687", database="neo4j"

)

清理数据集

graph_store.query( """ MATCH (n) DETACH DELETE n """ )

创建存储上下文

storage_context = StorageContext.from_defaults(graph_store=graph_store)

构建包含嵌入的索引

index = KnowledgeGraphIndex.from_documents( documents, storage_context=storage_context, max_triplets_per_chunk=2, include_embeddings=True, ) retriever = index.as_retriever() ans = retriever.retrieve("公司的董事长是谁?") print(ans) for node in ans: print(node.text)

query_engine = index.as_query_engine( include_text = True,response_mode="tree_summarize" )

response = query_engine.query( "公司的董事长是谁?" ) print("response:",response) print("hhhhhhhhhhhh") g = index.get_networkx_graph()

directed：false--生成无向图 true--生成有向图

net = Network(notebook=True, cdn_resources="in_line", directed=True)

net.from_nx(g) net.show("example.html")

import IPython

IPython.display.HTML(filename='Knowledge_graph.html')

<meta charset="utf-8">

此外，确保在写入 HTML 文件时使用 UTF-8 编码。以下是修改后的代码：

from llama_index.core import SimpleDirectoryReader, KnowledgeGraphIndex, StorageContext, Settings
import nest_asyncio
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.llms.huggingface import HuggingFaceLLM
from llama_index.core import PromptTemplate
from llama_index.graph_stores.neo4j import Neo4jGraphStore
import torch
from pyvis.network import Network
import IPython

nest_asyncio.apply()

# Load documents
documents = SimpleDirectoryReader('/home/cdhd/PythonCode/pythonProject/TestFile/公司主要人员架构类').load_data()
model_config = {"protected_namespaces": ()}

SYSTEM_PROMPT = """You are a helpful AI assistant.
"""

query_wrapper_prompt = PromptTemplate(
    "[INST]<<SYS>>\n" + SYSTEM_PROMPT + "<</SYS>>\n\n{query_str}[/INST] "
)

llm = HuggingFaceLLM(
    context_window=4096,
    max_new_tokens=1024,
    generate_kwargs={"temperature": 0.2, "do_sample": True},
    query_wrapper_prompt=query_wrapper_prompt,
    tokenizer_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    model_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    device_map="auto",
    model_kwargs={"torch_dtype": torch.float16},
)

Settings.llm = llm

embed_model = HuggingFaceEmbedding(
    model_name='/home/cdhd/PythonCode/pythonProject/model/bge-large-zh-v1.5/models--BAAI--bge-large-zh-v1.5/snapshots/79e7739b6ab944e86d6171e44d24c997fc1e0116',
)
Settings.embed_model = embed_model

graph_store = Neo4jGraphStore(
    username="neo4j",
    password="12345678",
    url="bolt://localhost:7687",
    database="neo4j"
)

# 清理数据集
graph_store.query(
    """
MATCH (n) DETACH DELETE n
"""
)

# 创建存储上下文
storage_context = StorageContext.from_defaults(graph_store=graph_store)

# 构建包含嵌入的索引
index = KnowledgeGraphIndex.from_documents(
    documents,
    storage_context=storage_context,
    max_triplets_per_chunk=2,
    include_embeddings=True,
)

retriever = index.as_retriever()
ans = retriever.retrieve("公司的董事长是谁?")
print(ans)
for node in ans:
    print(node.text)

query_engine = index.as_query_engine(
    include_text=True, response_mode="tree_summarize"
)

response = query_engine.query(
    "公司的董事长是谁?"
)
print("response:", response)

# 获取 NetworkX 图
g = index.get_networkx_graph()

# directed：false--生成无向图  true--生成有向图
net = Network(notebook=True, cdn_resources="in_line", directed=True)
net.from_nx(g)

# 确保使用 UTF-8 编码写入 HTML 文件
with open("example.html", "w", encoding="utf-8") as f:
    f.write(net.generate_html())

# 显示 HTML 文件
IPython.display.HTML(filename='example.html')

此代码确保在写入 HTML 文件时使用 UTF-8 编码，从而避免 UnicodeEncodeError。

To continue talking to Dosu, mention @dosu.

<meta charset="utf-8">

此外，确保在写入 HTML 文件时使用 UTF-8 编码。以下是修改后的代码：

from llama_index.core import SimpleDirectoryReader, KnowledgeGraphIndex, StorageContext, Settings
import nest_asyncio
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.llms.huggingface import HuggingFaceLLM
from llama_index.core import PromptTemplate
from llama_index.graph_stores.neo4j import Neo4jGraphStore
import torch
from pyvis.network import Network
import IPython

nest_asyncio.apply()

# Load documents
documents = SimpleDirectoryReader('/home/cdhd/PythonCode/pythonProject/TestFile/公司主要人员架构类').load_data()
model_config = {"protected_namespaces": ()}

SYSTEM_PROMPT = """You are a helpful AI assistant.
"""

query_wrapper_prompt = PromptTemplate(
    "[INST]<<SYS>>\n" + SYSTEM_PROMPT + "<</SYS>>\n\n{query_str}[/INST] "
)

llm = HuggingFaceLLM(
    context_window=4096,
    max_new_tokens=1024,
    generate_kwargs={"temperature": 0.2, "do_sample": True},
    query_wrapper_prompt=query_wrapper_prompt,
    tokenizer_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    model_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    device_map="auto",
    model_kwargs={"torch_dtype": torch.float16},
)

Settings.llm = llm

embed_model = HuggingFaceEmbedding(
    model_name='/home/cdhd/PythonCode/pythonProject/model/bge-large-zh-v1.5/models--BAAI--bge-large-zh-v1.5/snapshots/79e7739b6ab944e86d6171e44d24c997fc1e0116',
)
Settings.embed_model = embed_model

graph_store = Neo4jGraphStore(
    username="neo4j",
    password="12345678",
    url="bolt://localhost:7687",
    database="neo4j"
)

# 清理数据集
graph_store.query(
    """
MATCH (n) DETACH DELETE n
"""
)

# 创建存储上下文
storage_context = StorageContext.from_defaults(graph_store=graph_store)

# 构建包含嵌入的索引
index = KnowledgeGraphIndex.from_documents(
    documents,
    storage_context=storage_context,
    max_triplets_per_chunk=2,
    include_embeddings=True,
)

retriever = index.as_retriever()
ans = retriever.retrieve("公司的董事长是谁?")
print(ans)
for node in ans:
    print(node.text)

query_engine = index.as_query_engine(
    include_text=True, response_mode="tree_summarize"
)

response = query_engine.query(
    "公司的董事长是谁?"
)
print("response:", response)

# 获取 NetworkX 图
g = index.get_networkx_graph()

# directed：false--生成无向图  true--生成有向图
net = Network(notebook=True, cdn_resources="in_line", directed=True)
net.from_nx(g)

# 确保使用 UTF-8 编码写入 HTML 文件
with open("example.html", "w", encoding="utf-8") as f:
    f.write(net.generate_html())

# 显示 HTML 文件
IPython.display.HTML(filename='example.html')

此代码确保在写入 HTML 文件时使用 UTF-8 编码，从而避免 UnicodeEncodeError。

To continue talking to Dosu, mention @dosu.

这种方式我已经尝试过了，虽然html文件中有内容且没有报错，但是将文件放在网页打开之后依然没有我想要的网络图，打开显示的是空白页面，这应该如何解决呢？

要解决 HTML 文件在浏览器中显示空白页面的问题，首先需要确保 HTML 文件的基本结构是正确的，并且包含必要的元素。以下是一个可能的解决方案：

确保 HTML 文件包含 <html>, <head>, 和 <body> 标签。
确保在 <head> 标签中包含 <meta charset="utf-8"> 以设置字符编码。
确保在 <body> 标签中包含一些内容或元素，以便浏览器有东西可以渲染。

以下是一个示例 HTML 文件的基本结构：

<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>Example Page</title>
    <script>
        // Your JavaScript code here
    </script>
    <style>
        /* Your CSS code here */
    </style>
</head>
<body>
    <h1>Hello, World!</h1>
    <p>This is a sample HTML file.</p>
</body>
</html>

在你的代码中，确保 net.generate_html() 生成的 HTML 文件包含这些基本结构。你可以手动检查生成的 HTML 文件，或者在生成 HTML 文件时添加这些结构。

以下是修改后的代码，确保生成的 HTML 文件包含必要的结构：

from llama_index.core import SimpleDirectoryReader, KnowledgeGraphIndex, StorageContext, Settings
import nest_asyncio
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.llms.huggingface import HuggingFaceLLM
from llama_index.core import PromptTemplate
from llama_index.graph_stores.neo4j import Neo4jGraphStore
import torch
from pyvis.network import Network
import IPython

nest_asyncio.apply()

# Load documents
documents = SimpleDirectoryReader('/home/cdhd/PythonCode/pythonProject/TestFile/公司主要人员架构类').load_data()
model_config = {"protected_namespaces": ()}

SYSTEM_PROMPT = """You are a helpful AI assistant.
"""

query_wrapper_prompt = PromptTemplate(
    "[INST]<<SYS>>\n" + SYSTEM_PROMPT + "<</SYS>>\n\n{query_str}[/INST] "
)

llm = HuggingFaceLLM(
    context_window=4096,
    max_new_tokens=1024,
    generate_kwargs={"temperature": 0.2, "do_sample": True},
    query_wrapper_prompt=query_wrapper_prompt,
    tokenizer_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    model_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    device_map="auto",
    model_kwargs={"torch_dtype": torch.float16},
)

Settings.llm = llm

embed_model = HuggingFaceEmbedding(
    model_name='/home/cdhd/PythonCode/pythonProject/model/bge-large-zh-v1.5/models--BAAI--bge-large-zh-v1.5/snapshots/79e7739b6ab944e86d6171e44d24c997fc1e0116',
)
Settings.embed_model = embed_model

graph_store = Neo4jGraphStore(
    username="neo4j",
    password="12345678",
    url="bolt://localhost:7687",
    database="neo4j"
)

# 清理数据集
graph_store.query(
    """
MATCH (n) DETACH DELETE n
"""
)

# 创建存储上下文
storage_context = StorageContext.from_defaults(graph_store=graph_store)

# 构建包含嵌入的索引
index = KnowledgeGraphIndex.from_documents(
    documents,
    storage_context=storage_context,
    max_triplets_per_chunk=2,
    include_embeddings=True,
)

retriever = index.as_retriever()
ans = retriever.retrieve("公司的董事长是谁?")
print(ans)
for node in ans:
    print(node.text)

query_engine = index.as_query_engine(
    include_text=True, response_mode="tree_summarize"
)

response = query_engine.query(
    "公司的董事长是谁?"
)
print("response:", response)

# 获取 NetworkX 图
g = index.get_networkx_graph()

# directed：false--生成无向图  true--生成有向图
net = Network(notebook=True, cdn_resources="in_line", directed=True)
net.from_nx(g)

# 确保使用 UTF-8 编码写入 HTML 文件，并包含基本结构
html_content = f"""
<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>Knowledge Graph</title>
</head>
<body>
    {net.generate_html()}
</body>
</html>
"""

with open("example.html", "w", encoding="utf-8") as f:
    f.write(html_content)

# 显示 HTML 文件
IPython.display.HTML(filename='example.html')

此代码确保生成的 HTML 文件包含基本的 HTML 结构，并使用 UTF-8 编码写入文件，从而避免显示空白页面的问题^[1].

To continue talking to Dosu, mention @dosu.

要解决 HTML 文件在浏览器中显示空白页面的问题，首先需要确保 HTML 文件的基本结构是正确的，并且包含必要的元素。以下是一个可能的解决方案：

确保 HTML 文件包含 <html>, <head>, 和 <body> 标签。
确保在 <head> 标签中包含 <meta charset="utf-8"> 以设置字符编码。
确保在 <body> 标签中包含一些内容或元素，以便浏览器有东西可以渲染。

以下是一个示例 HTML 文件的基本结构：

<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>Example Page</title>
    <script>
        // Your JavaScript code here
    </script>
    <style>
        /* Your CSS code here */
    </style>
</head>
<body>
    <h1>Hello, World!</h1>
    <p>This is a sample HTML file.</p>
</body>
</html>

在你的代码中，确保 net.generate_html() 生成的 HTML 文件包含这些基本结构。你可以手动检查生成的 HTML 文件，或者在生成 HTML 文件时添加这些结构。

以下是修改后的代码，确保生成的 HTML 文件包含必要的结构：

from llama_index.core import SimpleDirectoryReader, KnowledgeGraphIndex, StorageContext, Settings
import nest_asyncio
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.llms.huggingface import HuggingFaceLLM
from llama_index.core import PromptTemplate
from llama_index.graph_stores.neo4j import Neo4jGraphStore
import torch
from pyvis.network import Network
import IPython

nest_asyncio.apply()

# Load documents
documents = SimpleDirectoryReader('/home/cdhd/PythonCode/pythonProject/TestFile/公司主要人员架构类').load_data()
model_config = {"protected_namespaces": ()}

SYSTEM_PROMPT = """You are a helpful AI assistant.
"""

query_wrapper_prompt = PromptTemplate(
    "[INST]<<SYS>>\n" + SYSTEM_PROMPT + "<</SYS>>\n\n{query_str}[/INST] "
)

llm = HuggingFaceLLM(
    context_window=4096,
    max_new_tokens=1024,
    generate_kwargs={"temperature": 0.2, "do_sample": True},
    query_wrapper_prompt=query_wrapper_prompt,
    tokenizer_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    model_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    device_map="auto",
    model_kwargs={"torch_dtype": torch.float16},
)

Settings.llm = llm

embed_model = HuggingFaceEmbedding(
    model_name='/home/cdhd/PythonCode/pythonProject/model/bge-large-zh-v1.5/models--BAAI--bge-large-zh-v1.5/snapshots/79e7739b6ab944e86d6171e44d24c997fc1e0116',
)
Settings.embed_model = embed_model

graph_store = Neo4jGraphStore(
    username="neo4j",
    password="12345678",
    url="bolt://localhost:7687",
    database="neo4j"
)

# 清理数据集
graph_store.query(
    """
MATCH (n) DETACH DELETE n
"""
)

# 创建存储上下文
storage_context = StorageContext.from_defaults(graph_store=graph_store)

# 构建包含嵌入的索引
index = KnowledgeGraphIndex.from_documents(
    documents,
    storage_context=storage_context,
    max_triplets_per_chunk=2,
    include_embeddings=True,
)

retriever = index.as_retriever()
ans = retriever.retrieve("公司的董事长是谁?")
print(ans)
for node in ans:
    print(node.text)

query_engine = index.as_query_engine(
    include_text=True, response_mode="tree_summarize"
)

response = query_engine.query(
    "公司的董事长是谁?"
)
print("response:", response)

# 获取 NetworkX 图
g = index.get_networkx_graph()

# directed：false--生成无向图  true--生成有向图
net = Network(notebook=True, cdn_resources="in_line", directed=True)
net.from_nx(g)

# 确保使用 UTF-8 编码写入 HTML 文件，并包含基本结构
html_content = f"""
<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>Knowledge Graph</title>
</head>
<body>
    {net.generate_html()}
</body>
</html>
"""

with open("example.html", "w", encoding="utf-8") as f:
    f.write(html_content)

# 显示 HTML 文件
IPython.display.HTML(filename='example.html')

此代码确保生成的 HTML 文件包含基本的 HTML 结构，并使用 UTF-8 编码写入文件，从而避免显示空白页面的问题[1].

To continue talking to Dosu, mention @dosu.

按照你的方式修改，运行代码之后，html文件在网页上依旧无法将知识图谱可视化，页面显示的是一个空白页中有一个分割线。请问还有其他的方式解决吗

要解决 HTML 文件在浏览器中显示空白页面的问题，可以尝试以下步骤：

检查生成的 HTML 文件：确保 net.generate_html() 生成的 HTML 文件包含所有必要的 JavaScript 和 CSS 资源。
手动检查 HTML 文件：打开生成的 HTML 文件，查看源代码，确保所有的 JavaScript 和 CSS 资源都正确加载。
调试 JavaScript：在浏览器的开发者工具中检查控制台输出，查看是否有任何错误或警告。
简化代码：尝试生成一个最小化的示例，确保基本的图形可视化功能正常工作。

以下是一个简化的示例代码，确保生成的 HTML 文件包含所有必要的资源，并且可以正确显示图形：

from llama_index.core import SimpleDirectoryReader, KnowledgeGraphIndex, StorageContext, Settings
import nest_asyncio
from llama_index.embeddings.huggingface import HuggingFaceEmbedding
from llama_index.llms.huggingface import HuggingFaceLLM
from llama_index.core import PromptTemplate
from llama_index.graph_stores.neo4j import Neo4jGraphStore
import torch
from pyvis.network import Network
import IPython

nest_asyncio.apply()

# Load documents
documents = SimpleDirectoryReader('/home/cdhd/PythonCode/pythonProject/TestFile/公司主要人员架构类').load_data()
model_config = {"protected_namespaces": ()}

SYSTEM_PROMPT = """You are a helpful AI assistant.
"""

query_wrapper_prompt = PromptTemplate(
    "[INST]<<SYS>>\n" + SYSTEM_PROMPT + "<</SYS>>\n\n{query_str}[/INST] "
)

llm = HuggingFaceLLM(
    context_window=4096,
    max_new_tokens=1024,
    generate_kwargs={"temperature": 0.2, "do_sample": True},
    query_wrapper_prompt=query_wrapper_prompt,
    tokenizer_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    model_name='/home/cdhd/Desktop/glm4/glm-4-9b-chat',
    device_map="auto",
    model_kwargs={"torch_dtype": torch.float16},
)

Settings.llm = llm

embed_model = HuggingFaceEmbedding(
    model_name='/home/cdhd/PythonCode/pythonProject/model/bge-large-zh-v1.5/models--BAAI--bge-large-zh-v1.5/snapshots/79e7739b6ab944e86d6171e44d24c997fc1e0116',
)
Settings.embed_model = embed_model

graph_store = Neo4jGraphStore(
    username="neo4j",
    password="12345678",
    url="bolt://localhost:7687",
    database="neo4j"
)

# 清理数据集
graph_store.query(
    """
MATCH (n) DETACH DELETE n
"""
)

# 创建存储上下文
storage_context = StorageContext.from_defaults(graph_store=graph_store)

# 构建包含嵌入的索引
index = KnowledgeGraphIndex.from_documents(
    documents,
    storage_context=storage_context,
    max_triplets_per_chunk=2,
    include_embeddings=True,
)

retriever = index.as_retriever()
ans = retriever.retrieve("公司的董事长是谁?")
print(ans)
for node in ans:
    print(node.text)

query_engine = index.as_query_engine(
    include_text=True, response_mode="tree_summarize"
)

response = query_engine.query(
    "公司的董事长是谁?"
)
print("response:", response)

# 获取 NetworkX 图
g = index.get_networkx_graph()

# directed：false--生成无向图  true--生成有向图
net = Network(notebook=True, cdn_resources="in_line", directed=True)
net.from_nx(g)

# 生成 HTML 文件
html_content = net.generate_html()

# 确保 HTML 文件包含基本结构
html_content = f"""
<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>Knowledge Graph</title>
    <style>
        body {{ font-family: Arial, sans-serif; }}
        #mynetwork {{ width: 100%; height: 800px; border: 1px solid lightgray; }}
    </style>
</head>
<body>
    <div id="mynetwork"></div>
    {html_content}
</body>
</html>
"""

with open("example.html", "w", encoding="utf-8") as f:
    f.write(html_content)

# 显示 HTML 文件
IPython.display.HTML(filename='example.html')

此代码确保生成的 HTML 文件包含基本的 HTML 结构，并使用 UTF-8 编码写入文件。如果问题仍然存在，请检查浏览器的开发者工具中的控制台输出，查看是否有任何错误或警告，并根据提示进行修正^[1]^[2].

To continue talking to Dosu, mention @dosu.

run-llama / llama_index

我想要将知识图谱可视化，按照官网上的方式编写代码执行后报错，报错如下，具体应该如何解决下面的问题，实现可视化呢 #14622

Question Validation

Question

directed：false--生成无向图 true--生成有向图

使用 `yfiles_jupyter_graphs`：

使用 `networkx`：

使用 `yfiles_jupyter_graphs`：

使用 `networkx`：

import yapf

Load documents

tokenizer_name='/home/cdhd/PythonCode/pythonProject/model/gpt2',

llm = AutoModel.from_pretrained('/home/cdhd/Desktop/glm4/glm-4-9b-chat', trust_remote_code=True)

model_name = r"E:\Huggingface_model\bge-large-zh-v1.5",

清理数据集

创建存储上下文

构建包含嵌入的索引

directed：false--生成无向图 true--生成有向图

run-llama / llama_index

我想要将知识图谱可视化，按照官网上的方式编写代码执行后报错，报错如下，具体应该如何解决下面的问题，实现可视化呢 #14622

Question Validation

Question

directed：false--生成无向图 true--生成有向图

使用 yfiles_jupyter_graphs：

使用 networkx：

使用 yfiles_jupyter_graphs：

使用 networkx：

import yapf

Load documents

tokenizer_name='/home/cdhd/PythonCode/pythonProject/model/gpt2',

llm = AutoModel.from_pretrained('/home/cdhd/Desktop/glm4/glm-4-9b-chat', trust_remote_code=True)

model_name = r"E:\Huggingface_model\bge-large-zh-v1.5",

清理数据集

创建存储上下文

构建包含嵌入的索引

directed：false--生成无向图 true--生成有向图

使用 `yfiles_jupyter_graphs`：

使用 `networkx`：

使用 `yfiles_jupyter_graphs`：

使用 `networkx`：