[打造智能查询分析系统：有效提升搜索引擎性能]

最新推荐文章于 2024-10-17 11:21:39 发布

llzwxh888

最新推荐文章于 2024-10-17 11:21:39 发布

阅读量291

点赞数 4

文章标签：搜索引擎 python 开发语言

本文链接：https://blog.csdn.net/ppoojjj/article/details/142320336

版权

# 打造智能查询分析系统：有效提升搜索引擎性能

## 引言

在处理大量数据时，建立一个高效的查询分析系统对于提升搜索引擎性能至关重要。本篇文章将展示如何利用查询分析技术构建一个简单的搜索引擎，通过处理来自LangChain的YouTube视频检索任务，展示如何解决搜索中的常见问题。

## 主要内容

### 1. 设置

首先，我们需要安装必要的依赖库。

```bash
# %pip install -qU langchain langchain-community langchain-openai youtube-transcript-api pytube langchain-chroma

接下来，配置环境变量，这里我们使用OpenAI的API。

import getpass
import os

os.environ["OPENAI_API_KEY"] = getpass.getpass()

2. 加载文档

使用YoutubeLoader加载视频转录文本。

from langchain_community.document_loaders import YoutubeLoader

urls = [
    "https://www.youtube.com/watch?v=HAn9vnJy6S4",
    # ...其他URL
]
docs = []
for url in urls:
    docs.extend(YoutubeLoader.from_youtube_url(url, add_video_info=True).load())

# 添加视频发布年份到元数据
import datetime
for doc in docs:
    doc.metadata["publish_year"] = int(
        datetime.datetime.strptime(
            doc.metadata["publish_date"], "%Y-%m-%d %H:%M:%S"
        ).strftime("%Y")
    )

3. 构建查询索引

利用向量存储来索引文档。

from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter

text_splitter = RecursiveCharacterTextSplitter(chunk_size=2000)
chunked_docs = text_splitter.split_documents(docs)
embeddings = OpenAIEmbeddings(model="text-embedding-3-small")
vectorstore = Chroma.from_documents(chunked_docs, embeddings)

4. 查询分析：解决检索失败

我们通过定义查询模式和使用OpenAI的工具调用API，将用户问题转化为结构化查询。

from typing import Optional
from langchain_core.pydantic_v1 import BaseModel, Field

class Search(BaseModel):
    query: str = Field(..., description="Similarity search query.")
    publish_year: Optional[int] = Field(None, description="Year video was published")

使用OpenAI的with_structured_output()来生成结构化查询。

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
from langchain_openai import ChatOpenAI

prompt = ChatPromptTemplate.from_messages(
    [("system", "You are an expert at converting user questions into database queries."),
     ("human", "{question}")]
)
llm = ChatOpenAI(model="gpt-3.5-turbo-0125", temperature=0)
structured_llm = llm.with_structured_output(Search)
query_analyzer = {"question": RunnablePassthrough()} | prompt | structured_llm

通过上述步骤，我们可以有效过滤查询结果。

代码示例

以下是检索的完整代码实现：

def retrieval(search: Search):
    if search.publish_year is not None:
        _filter = {"publish_year": {"$eq": search.publish_year}}
    else:
        _filter = None
    return vectorstore.similarity_search(search.query, filter=_filter)

retrieval_chain = query_analyzer | retrieval

results = retrieval_chain.invoke("RAG tutorial published in 2023")

[(doc.metadata["title"], doc.metadata["publish_date"]) for doc in results]