# langchain # MMR解决检索冗余问题、实现多样性检索

MaxMarginalRelevanceExampleSelector 笔记

概述

MaxMarginalRelevanceExampleSelector 是一个选择器，用于从一组候选示例中选择出与输入最相关且具有多样性的示例。它通过计算示例与输入之间的语义相似度，然后迭代地选择示例，同时对与已选择示例相似度过高的候选项施加惩罚。

核心概念

• 余弦相似度：用于衡量示例嵌入向量与输入嵌入向量之间的相似度。
• 边际相关性：衡量每个候选示例与输入的相似度，同时考虑与已选择示例的多样性。
• 多样性惩罚：对与已选择示例相似度过高的候选项施加惩罚，以增加选择的多样性。

使用步骤

1. 导入相关库：导入 langchain 相关的模块和类。
2. 定义提示模板 (PromptTemplate)：创建一个模板，用于格式化输入和输出。
3. 准备候选示例 (examples)：准备一组示例数据，每个示例包含输入和输出。
4. 创建选择器实例 (MaxMarginalRelevanceExampleSelector.from_examples)：
   • 提供候选示例列表。
   • 指定嵌入类（如