Interroger avec plusieurs textes
Dans de nombreux cas, vous voudrez interroger la base de données vectorielles en utilisant plusieurs textes de requête. Rappelez-vous que ces textes d'interrogation sont intégrés à l'aide de la même fonction d'intégration que celle utilisée lors de l'ajout des documents.
Dans cet exercice, vous utiliserez les documents de deux ID de la collection netflix_titles pour interroger le reste de la collection, en renvoyant les résultats les plus similaires sous forme de recommandations.
La collection netflix_titles est toujours disponible et OpenAIEmbeddingFunction() a été importée.
Cet exercice fait partie du cours
Introduction à l'intégration avec l'API OpenAI
Instructions
- Récupérez les documents de la collection pour les identifiants contenus dans
reference_ids. - Interrogez la collection à l'aide de
reference_textsafin d'obtenir trois résultats pour chaque requête.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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'])