ElasticSearch BM25
Elasticsearch 是一个分布式、基于 REST 的搜索和分析引擎。它提供了一个分布式、多租户功能的全文搜索引擎，具有 HTTP Web 接口和无模式 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。它基于斯蒂芬·E·罗伯逊、凯伦·斯帕克·琼斯等人在 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，于 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（可以考虑文档结构和锚文本的 BM25 版本），表示用于文档检索的类似 TF-IDF 的检索函数。
此笔记本演示了如何使用使用 ElasticSearch 和 BM25 的检索器。
有关 BM25 详细信息的更多信息，请参阅此博文。
%pip install --upgrade --quiet elasticsearch
from langchain_community.retrievers import (
ElasticSearchBM25Retriever,
)
API 参考：ElasticSearchBM25Retriever
创建新检索器
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）
我们可以选择向检索器添加文本（如果它们尚未存在）。
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={})]