शुरू करेंमुफ़्त में शुरू करें

Multiple texts के साथ क्वेरी करना

अक्सर आपको एक से अधिक क्वेरी टेक्स्ट्स के साथ वेक्टर डेटाबेस को क्वेरी करना होगा। ध्यान रखें कि ये क्वेरी टेक्स्ट्स उसी एम्बेडिंग फंक्शन से एम्बेड किए जाते हैं जिसका उपयोग डॉक्यूमेंट्स जोड़ते समय किया गया था.

इस अभ्यास में, आप netflix_titles कलेक्शन में दो IDs के डॉक्यूमेंट्स का उपयोग बाकी कलेक्शन को क्वेरी करने के लिए करेंगे, और सबसे समान परिणामों को रिकमेंडेशन के रूप में लौटाएँगे.

netflix_titles कलेक्शन अभी भी उपयोग के लिए उपलब्ध है, और OpenAIEmbeddingFunction() इम्पोर्ट किया जा चुका है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

OpenAI API के साथ Embeddings परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • reference_ids में दी गई IDs के लिए कलेक्शन से डॉक्यूमेंट्स प्राप्त करें.
  • reference_texts का उपयोग करके कलेक्शन को क्वेरी करें ताकि हर क्वेरी के लिए तीन परिणाम लौटें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

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'])
कोड संपादित करें और चलाएँ