深入浅出LangChain：使用MiniMax进行文本嵌入

最新推荐文章于 2024-11-03 20:27:08 发布

dfvcbipanjr

最新推荐文章于 2024-11-03 20:27:08 发布

阅读量328

点赞数 6

文章标签： langchain python

本文链接：https://blog.csdn.net/dfvcbipanjr/article/details/142687502

版权

# 引言

在大数据和人工智能快速发展的时代，自然语言处理（NLP）成为研究和应用的热点。其中，文本嵌入是将文本数据转换为数值向量，供机器学习模型使用的重要步骤。本文将介绍如何使用LangChain与MiniMax的嵌入服务进行文本嵌入操作。

# 主要内容

## MiniMax简介

MiniMax提供了一种高效的嵌入服务，可以将文本转换为数值表示，使得各种NLP任务更加轻松地实现。LangChain是一个强大的框架，可以将多种AI服务进行集成与交互。

## 设置环境变量

为了使用MiniMax API，需要设置环境变量来保存API密钥和相关信息。

```python
import os

os.environ["MINIMAX_GROUP_ID"] = "YOUR_MINIMAX_GROUP_ID"
os.environ["MINIMAX_API_KEY"] = "YOUR_MINIMAX_API_KEY"

确保将YOUR_MINIMAX_GROUP_ID和YOUR_MINIMAX_API_KEY替换为您实际的MiniMax凭据。

使用LangChain进行嵌入

通过LangChain，我们可以轻松地与MiniMax API进行交互。

from langchain_community.embeddings import MiniMaxEmbeddings

# 初始化MiniMax嵌入实例
embeddings = MiniMaxEmbeddings()

# 嵌入查询文本
query_text = "This is a test query."
query_result = embeddings.embed_query(query_text)

# 嵌入文档文本
document_text = "This is a test document."
document_result = embeddings.embed_documents([document_text])

计算余弦相似度

余弦相似度是衡量两个向量间相似度的常用指标。

import numpy as np

query_numpy = np.array(query_result)
document_numpy = np.array(document_result[0])
similarity = np.dot(query_numpy, document_numpy) / (
    np.linalg.norm(query_numpy) * np.linalg.norm(document_numpy)
)
print(f"Cosine similarity between document and query: {similarity}")