Truy vấn với nhiều văn bản
Trong nhiều trường hợp, bạn sẽ muốn truy vấn cơ sở dữ liệu vector bằng nhiều văn bản truy vấn. Hãy nhớ rằng các văn bản truy vấn này được embedding bằng cùng một hàm embedding như khi tài liệu được thêm vào.
Trong bài tập này, bạn sẽ dùng các tài liệu từ hai ID trong bộ sưu tập netflix_titles để truy vấn phần còn lại của bộ sưu tập, trả về những kết quả tương tự nhất như các gợi ý.
Bộ sưu tập netflix_titles vẫn sẵn sàng để dùng, và OpenAIEmbeddingFunction() đã được nhập.
Bài tập này là một phần của khóa học
Nhập môn Embeddings với OpenAI API
Hướng dẫn bài tập
- Truy xuất các tài liệu từ bộ sưu tập cho các ID trong
reference_ids. - Truy vấn bộ sưu tập bằng
reference_textsđể trả về ba kết quả cho mỗi truy vấn.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
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'])