NanoPQ (产品量化)

产品量化算法 (k-NN) 简而言之是一种量化算法，有助于压缩数据库向量，从而在涉及大型数据集时帮助进行语义搜索。简而言之，嵌入被分成 M 个子空间，这些子空间进一步进行聚类。在对向量进行聚类后，质心向量被映射到每个子空间簇中存在的向量。

本笔记本介绍了如何使用在底层使用产品量化的检索器，该产品量化由 nanopq 包实现。

%pip install -qU langchain-community langchain-openai nanopq

from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings
from langchain_community.retrievers import NanoPQRetriever

API 参考：SpacyEmbeddings | NanoPQRetriever

使用文本创建新的检索器

retriever = NanoPQRetriever.from_texts(
    ["Great world", "great words", "world", "planets of the world"],
    SpacyEmbeddings(model_name="en_core_web_sm"),
    clusters=2,
    subspace=2,
)

使用检索器

我们现在可以使用检索器了！

retriever.invoke("earth")

M: 2, Ks: 2, metric : <class 'numpy.uint8'>, code_dtype: l2
iter: 20, seed: 123
Training the subspace: 0 / 2
Training the subspace: 1 / 2
Encoding the subspace: 0 / 2
Encoding the subspace: 1 / 2

[Document(page_content='world'),
 Document(page_content='Great world'),
 Document(page_content='great words'),
 Document(page_content='planets of the world')]

相关内容

• 检索器 概念指南
• 检索器 操作指南