複数のテキストを用いたクエリ
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を検索することになります。これらのクエリテキストは、ドキュメント追加時と同じ埋め込み関数を使って埋め込まれることを思い出しましょう。
この演習では、netflix_titles コレクション内の2つのIDのドキュメントを使ってコレクションの残りを検索し、最も類似した結果をレコメンデーションとして返しましょう。
netflix_titles コレクションは引き続き使用可能で、OpenAIEmbeddingFunction() はすでにインポートされています。
この演習はコースの一部です
OpenAI API で学ぶ埋め込み入門
演習の手順
reference_idsに含まれるIDに対応するドキュメントをコレクションから取得します。reference_textsを使ってコレクションをクエリし、各クエリに対して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'])