複数のテキストでクエリする
多くの場合、複数のクエリテキストを使ってベクターデータベースにクエリしたくなります。これらのクエリテキストは、ドキュメントを追加したときと同じ埋め込み関数で埋め込まれることを思い出してください。
この演習では、netflix_titles コレクション内の2つのIDに対応するドキュメントを使って、コレクション全体にクエリを行い、最も類似する結果をレコメンデーションとして返します。
netflix_titles コレクションは引き続き利用可能で、OpenAIEmbeddingFunction() はインポート済みです。
この演習はコースの一部です
OpenAI API ではじめる Embeddings 入門
演習の手順
reference_idsに含まれるIDについて、コレクションからドキュメントを取得します。reference_textsを使ってコレクションにクエリを実行し、各クエリにつき3件の結果を返します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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'])