Interroger avec plusieurs textes
Dans bien des cas, vous voudrez interroger la base de données vectorielle avec plusieurs textes de requête. Rappelez-vous que ces textes de requête sont convertis en embeddings à l'aide de la même fonction d'embedding que celle utilisée lors de l'ajout des documents.
Dans cet exercice, vous utiliserez les documents correspondant à deux ID dans la collection netflix_titles pour interroger le reste de la collection et retourner les résultats les plus similaires comme recommandations.
La collection netflix_titles est toujours disponible, et OpenAIEmbeddingFunction() a été importée.
Cette activité fait partie du cours
Introduction aux embeddings avec l'API d'OpenAI
Instructions de l’exercice
- Récupérez les documents de la collection pour les ID dans
reference_ids. - Interrogez la collection en utilisant
reference_textspour retourner trois résultats pour chaque requête.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
collection = client.get_collection(
name="netflix_titles",
embedding_function=OpenAIEmbeddingFunction(model_name="text-embedding-3-small", api_key="")
)
reference_ids = ['s999', 's1000']
# Retrieve the documents for the reference_ids
reference_texts = ____
# Query using reference_texts
result = ____
print(result['documents'])