Üstveri kullanarak filtreleme

Veritabanında kullanılabilen üstverilerin olması, ek koşullara göre sonuçları daha kolay filtreleme imkânı sağlar. Diyelim ki oluşturduğun film önerileri, kullanıcının tercihlerini de erişip bunları sonuçları daha da filtrelemek için kullanabiliyor.

Bu egzersizde, Netflix film önerilerini filtrelemek için ek üstveriler kullanacaksın. netflix_titles koleksiyonu, her başlığa 'rating' (içerik derecelendirmesi) ve 'release_year' (ilk yayın yılı) gibi üstveriler eklenerek güncellendi.

İşte güncellenmiş bir öğenin önizlemesi:

{'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}

Bu egzersiz, kursun bir parçasıdır

OpenAI API ile Embeddings’e Giriş

Kursa Göz Atın

Egzersiz talimatları

Koleksiyonu reference_texts kullanarak iki sonuç için sorgula.
Sonuçları, derecelendirmesi 'G' olan ve 2019 yılından önce yayımlanmış başlıklarla sınırla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

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'])

Kodu Düzenle ve Çalıştır