引言
在现代信息检索中,如何有效管理和检索随时间变化的动态信息是一个重要课题。本文介绍了一种结合语义相似性和时间衰减的检索器——时间加权向量存储检索器(Time-Weighted Vector Store Retriever)。该检索器在处理频繁访问的数据时表现优异,帮助开发者在保持信息“新鲜”的同时,提高检索效率。
主要内容
时间加权检索器的工作原理
时间加权检索器通过以下公式为对象评分:
[ \text{score} = \text{semantic_similarity} + (1.0 - \text{decay_rate}) ^ \text{hours_passed} ]
- semantic_similarity:对象与查询的语义相似度。
- decay_rate:衰减率,控制对象随时间的“遗忘”速度。
- hours_passed:对象自上次访问以来的小时数。
这一机制确保了频繁访问的对象保持“新鲜”,从而提升检索效率。
几种衰减率的应用
低衰减率
低衰减率意味着信息将被长期“记忆”。当衰减率接近0时,信息几乎不会被遗忘,等同于传统向量查找。
from datetime import datetime, timedelta
import faiss
from langchain.retrievers import TimeWeightedVectorStoreRetriever
from langchain_community.docstore import InMemoryDocstore
from langchain_community.vectorstores import FAISS
from langchain_core.documents import Document
from langchain_openai import OpenAIEmbeddings
# 使用API代理服务提高访问稳定性
embeddings_model = OpenAIEmbeddings()
embedding_size = 1536
index = faiss.IndexFlatL2(embedding_size)
vectorstore = FAISS(embeddings_model, index, InMemoryDocstore({}), {})
retriever = TimeWeightedVectorStoreRetriever(
vectorstore=vectorstore, decay_rate=0.0000000000000000000000001, k=1
)
yesterday = datetime.now() - timedelta(days=1)
retriever.add_documents(
[Document(page_content="hello world", metadata={"last_accessed_at": yesterday})]
)
retriever.add_documents([Document(page_content="hello foo")])
# "Hello World" 优先返回,因为其依然“新鲜”
results = retriever.get_relevant_documents("hello world")
print(results)
高衰减率
高衰减率(接近1)使信息快速被“遗忘”。如果设置为1,所有对象的最近性得分为0,这等同于不考虑时间因素的向量查找。
# 使用API代理服务提高访问稳定性
retriever = TimeWeightedVectorStoreRetriever(
vectorstore=vectorstore, decay_rate=0.999, k=1
)
yesterday = datetime.now() - timedelta(days=1)
retriever.add_documents(
[Document(page_content="hello world", metadata={"last_accessed_at": yesterday})]
)
retriever.add_documents([Document(page_content="hello foo")])
# "Hello Foo" 优先返回,因为 "hello world" 被遗忘
results = retriever.get_relevant_documents("hello world")
print(results)
虚拟时间
通过LangChain工具,可以模拟时间,以测试不同时间点的检索效果。
import datetime
from langchain_core.utils import mock_now
# 使用API代理服务提高访问稳定性
with mock_now(datetime.datetime(2024, 2, 3, 10, 11)):
results = retriever.get_relevant_documents("hello world")
print(results)
常见问题和解决方案
-
如何选择合适的衰减率?
- 需根据应用场景决定。如果历史信息重要且更频繁被访问,则选择较低的衰减率。
-
访问API时遇到网络问题怎么办?
- 可以使用API代理服务来提高访问的稳定性。
总结和进一步学习资源
时间加权向量存储检索器是一种强大的工具,适合处理需要考虑时间因素的动态信息检索。通过合理设置衰减率,开发者可以更好地权衡信息的“新鲜度”和检索效率。
进一步学习资源
参考资料
- LangChain官方文档
- OpenAI Embeddings API指南
- FAISS向量库使用手册
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
—END—