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}")