Query's uitvoeren met meerdere teksten
In veel gevallen wil je de vector database bevragen met meerdere queryteksten. Onthoud dat deze queryteksten worden ge-embed met dezelfde embeddingfunctie als waarmee de documenten zijn toegevoegd.
In deze oefening gebruik je de documenten van twee ID's in de netflix_titles-collectie om de rest van de collectie te bevragen, zodat de meest vergelijkbare resultaten als aanbevelingen worden teruggegeven.
De netflix_titles-collectie is nog beschikbaar en OpenAIEmbeddingFunction() is geïmporteerd.
Deze oefening maakt deel uit van de cursus
Introductie tot Embeddings met de OpenAI API
Oefeninstructies
- Haal de documenten uit de collectie op voor de ID's in
reference_ids. - Voer een query uit op de collectie met
reference_textsom drie resultaten per query terug te krijgen.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
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'])