Запросы с несколькими текстами
Во многих случаях вам потребуется запрашивать векторную базу данных сразу с несколькими текстами. Напомним, что эти тексты преобразуются в эмбеддинги (векторные представления) с помощью той же функции, что использовалась при добавлении документов.
В этом упражнении вы возьмёте документы по двум идентификаторам из коллекции netflix_titles и используете их для запроса остальной части коллекции, получив наиболее похожие результаты в виде рекомендаций.
Коллекция netflix_titles по-прежнему доступна для работы, а функция OpenAIEmbeddingFunction() уже импортирована.
Это упражнение является частью курса
Введение в эмбеддинги с OpenAI API
Инструкции к упражнению
- Извлеките документы из коллекции по идентификаторам, указанным в
reference_ids. - Выполните запрос к коллекции, используя
reference_texts, и верните три результата для каждого запроса.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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'])