Interroger avec plusieurs textes
Dans de nombreux cas, vous souhaiterez interroger la base vectorielle avec plusieurs textes de requête. Rappelez-vous que ces textes sont transformés en embeddings avec la même fonction d’embedding que celle utilisée lors de l’ajout des documents.
Dans cet exercice, vous utiliserez les documents correspondant à deux IDs de la collection netflix_titles pour interroger le reste de la collection et retourner les résultats les plus proches comme recommandations.
La collection netflix_titles est toujours disponible et OpenAIEmbeddingFunction() a été importée.
Cet exercice fait partie du cours
Introduction aux embeddings avec l’API OpenAI
Instructions
- Récupérez les documents de la collection pour les IDs dans
reference_ids. - Interrogez la collection en utilisant
reference_textspour retourner 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'])