引言
在处理小型数据集时,您可能不希望启动数据库服务器,DocArray InMemorySearch 为此提供了一个高效的解决方案。本文将介绍如何使用 DocArray InMemorySearch 进行文档索引和相似性搜索,以便轻松地处理文档的存储和检索。
主要内容
设置环境
首先,确保安装必要的库:
%pip install --upgrade --quiet langchain-community "docarray"
您将需要一个 OpenAI API 密钥,可以从 OpenAI官方网站获取。
import os
from getpass import getpass
OPENAI_API_KEY = getpass()
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY
使用DocArray InMemorySearch
导入所需模块:
from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import DocArrayInMemorySearch
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import CharacterTextSplitter
加载并处理文档:
documents = TextLoader("../../how_to/state_of_the_union.txt").load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
docs = text_splitter.split_documents(documents)
初始化嵌入和索引:
embeddings = OpenAIEmbeddings()
# 使用API代理服务提高访问稳定性
db = DocArrayInMemorySearch.from_documents(docs, embeddings)
执行相似性搜索
进行简单的相似性搜索:
query = "What did the president say about Ketanji Brown Jackson"
docs = db.similarity_search(query)
print(docs[0].page_content)
带有分数的相似性搜索:
docs_with_score = db.similarity_search_with_score(query)
print(docs_with_score[0])
常见问题和解决方案
问题:访问Docarray API时,响应时间较长或不稳定。
解决方案:由于网络限制,建议使用 API代理服务 来提高访问稳定性。
问题:相似性搜索结果不够准确。
解决方案:尝试调整 chunk_size
或使用更好的文本分割策略,以提高文档的可识别性。
总结和进一步学习资源
DocArray InMemorySearch 是处理小型数据集的一种高效方式。要进一步学习,您可以参考以下资源:
参考资料
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—