Melakukan kueri dengan banyak teks
Dalam banyak kasus, Anda akan ingin melakukan kueri ke basis data vektor menggunakan beberapa teks kueri. Ingat bahwa teks-teks kueri ini diubah menjadi embedding menggunakan fungsi embedding yang sama seperti saat dokumen ditambahkan.
Pada latihan ini, Anda akan menggunakan dokumen dari dua ID dalam koleksi netflix_titles untuk melakukan kueri ke seluruh koleksi, lalu mengembalikan hasil yang paling mirip sebagai rekomendasi.
Koleksi netflix_titles masih tersedia untuk digunakan, dan OpenAIEmbeddingFunction() telah diimpor.
Latihan ini merupakan bagian dari kursus
Pengantar Embeddings dengan OpenAI API
Instruksi latihan
- Ambil dokumen dari koleksi untuk ID dalam
reference_ids. - Lakukan kueri pada koleksi menggunakan
reference_textsuntuk mengembalikan tiga hasil untuk setiap kueri.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
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'])