ElasticSearch BM25
Elasticsearch 是一个分布式、RESTful 的搜索和分析引擎。它提供了一个分布式、支持多租户的全文搜索引擎，具有 HTTP 网页界面和无模式 JSON 文档。
在信息检索中，Okapi BM25（BM 是最佳匹配的缩写）是搜索引擎用来估计文档与给定搜索查询的相关性的排序函数。它基于 Stephen E. Robertson、Karen Spärck Jones 等人在 20 世纪 70 年代和 80 年代开发的概率检索框架。
实际排序函数的名称是 BM25。更完整的名称 Okapi BM25 包括第一个使用它的系统的名称，该系统是 Okapi 信息检索系统，在 20 世纪 80 年代和 90 年代在伦敦城市大学实施。BM25 及其更新的变体，例如 BM25F（一个可以考虑文档结构和锚文本的 BM25 版本），代表了文档检索中使用的类似 TF-IDF 的检索函数。
此笔记本演示了如何使用一个使用 ElasticSearch 和 BM25 的检索器。
有关 BM25 详细信息的更多信息，请参阅这篇博文。
%pip install --upgrade --quiet elasticsearch
from langchain_community.retrievers import (
ElasticSearchBM25Retriever,
)
API 参考：ElasticSearchBM25Retriever
创建新的检索器
elasticsearch_url = "http://localhost:9200"
retriever = ElasticSearchBM25Retriever.create(elasticsearch_url, "langchain-index-4")
# Alternatively, you can load an existing index
# import elasticsearch
# elasticsearch_url="http://localhost:9200"
# retriever = ElasticSearchBM25Retriever(elasticsearch.Elasticsearch(elasticsearch_url), "langchain-index")
添加文本（如有必要）
我们可以选择性地将文本添加到检索器（如果它们还没有在其中）。
retriever.add_texts(["foo", "bar", "world", "hello", "foo bar"])
['cbd4cb47-8d9f-4f34-b80e-ea871bc49856',
'f3bd2e24-76d1-4f9b-826b-ec4c0e8c7365',
'8631bfc8-7c12-48ee-ab56-8ad5f373676e',
'8be8374c-3253-4d87-928d-d73550a2ecf0',
'd79f457b-2842-4eab-ae10-77aa420b53d7']
使用检索器
我们现在可以使用检索器了！
result = retriever.invoke("foo")
result
[Document(page_content='foo', metadata={}),
Document(page_content='foo bar', metadata={})]