メタデータによるフィルタリング
データベースで利用できるメタデータがあると、追加条件に基づいて結果を簡単にフィルタできるようになります。作成している映画レコメンドが、ユーザーの設定済みの好みにアクセスし、それを使って結果をさらに絞り込めるところを想像してください。
この演習では、追加のメタデータを使って Netflix の映画レコメンドをフィルタします。netflix_titles コレクションは各タイトルにメタデータを追加するよう更新され、タイトルに付与された年齢レーティングである 'rating' と、初公開年である 'release_year' が含まれています。
更新後のアイテムのプレビューは次のとおりです。
{'ids': ['s999'],
'embeddings': None,
'metadatas': [{'rating': 'TV-14', 'release_year': 2021}],
'documents': ['Title: Searching For Sheela (Movie)\nDescription: Journalists and fans await Ma Anand Sheela as the infamous former Rajneesh commune’s spokesperson returns to India after decades for an interview tour.\nCategories: Documentaries, International Movies'],
'uris': None,
'data': None}
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_textsを使ってコレクションから 2 件の結果をクエリします。'G'レーティングで、かつ2019年より前に公開されたタイトルに結果をフィルタします。
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_texts = ["children's story about a car", "lions"]
# Query two results using reference_texts
result = collection.query(
____,
____,
# Filter for titles with a G rating released before 2019
____={
____: [
{"____":
{____}
},
{"____":
{____}
}
]
}
)
print(result['documents'])