跳到主要内容
Open In ColabOpen on GitHub

SpaCy

spaCy 是一个用于高级自然语言处理的开源软件库，用 Python 和 Cython 编程语言编写。

安装与设置​

%pip install --upgrade --quiet  spacy

导入所需的类

from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings
API 参考：SpacyEmbeddings

示例​

初始化 SpacyEmbeddings。这会将 Spacy 模型加载到内存中。

embedder = SpacyEmbeddings(model_name="en_core_web_sm")

定义一些示例文本。这些可以是您想要分析的任何文档——例如，新闻文章、社交媒体帖子或产品评论。

texts = [
    "The quick brown fox jumps over the lazy dog.",
    "Pack my box with five dozen liquor jugs.",
    "How vexingly quick daft zebras jump!",
    "Bright vixens jump; dozy fowl quack.",
]

生成并打印文本的嵌入。SpacyEmbeddings 类为每个文档生成一个嵌入，这是文档内容的数值表示。这些嵌入可用于各种自然语言处理任务，例如文档相似度比较或文本分类。

embeddings = embedder.embed_documents(texts)
for i, embedding in enumerate(embeddings):
    print(f"Embedding for document {i + 1}: {embedding}")

为单段文本生成并打印嵌入。您还可以为单段文本（例如搜索查询）生成嵌入。这对于信息检索等任务非常有用，在此类任务中，您需要查找与给定查询相似的文档。

query = "Quick foxes and lazy dogs."
query_embedding = embedder.embed_query(query)
print(f"Embedding for query: {query_embedding}")