如何使用DashVector的多向量检索
本文介绍如何使用DashVector的多向量检索功能。在某些AI检索的场景，会涉及一个实体对应多个向量，在检索时希望通过多个向量检索来找到最可能的实体，例如：
[*]在自然语言处理中，标题和文档分别抽取为不同的向量特征，需要根据标题向量和文档向量同时做检索。
[*]在商品检索时，商品的图片和文字分别抽取为不同的向量特征，需要根据图片向量和文字向量同时做检索。
为了满足这些需求，DashVector支持了多向量检索。
使用示例
前提条件
[*]已创建Cluster
[*]已获得API-KEY
[*]已安装最新版SDK
创建多向量集合
说明
需要使用您的api-key替换示例中的 YOUR_API_KEY、您的Cluster Endpoint替换示例中的YOUR_CLUSTER_ENDPOINT，代码才能正常运行。
import dashvector
import numpy as np
from dashvector import VectorParam, Doc, WeightedRanker, VectorQuery, RrfRanker
client = dashvector.Client(
api_key='YOUR_API_KEY',
endpoint='YOUR_CLUSTER_ENDPOINT'
)
ret = client.create(
'multi_vector_demo',
vectors={
"title": VectorParam(4),
"content": VectorParam(6, metric="euclidean"),
},
fields_schema={
'author': str,
}
)
assert ret插入数据
说明
insert/upsert要求至少一个向量字段有值。
collection = client.get(name='multi_vector_demo')
docs = []
for i in range(10):
docs.append(Doc(id=str(i),
vectors={"title": np.random.random(4),
"content": np.random.random(6)
},
)
)
ret = collection.insert(docs)
print(ret)执行检索
说明
[*]检索时采用的策略为多个向量分别执行检索后融合排序。
[*]VectorQuery 支持的其他参数见 向量检索高级参数。
title_vector =
content_vector =
vectors = {
"title": VectorQuery(vector=title_vector, num_candidates=10),
"content": VectorQuery(vector=content_vector),
}
ret = collection.query(
vector=vectors,
include_vector=False,
# 使用RRF融合排序
# rerank=RrfRanker(rank_constant=100)
# 使用加权融合排序
rerank=WeightedRanker(weights={"title": 1.0, "content": 1.0}),
topk=20
)
assert ret
print(ret.output)
# 使用单个向量执行检索
ret = collection.query(vector={"title": VectorQuery(vector=title_vector)})
assert ret
print(ret.output)
# 使用单个向量执行分组向量检索
ret = collection.query_group_by(title_vector, group_by_field='author', vector_field='title')
assert ret
print(ret)限制说明
重要
[*]当前单个集合最多支持4个向量字段。
[*]随向量字段的个数增加，Cluster中可插入的Doc条数会减少，插入和检索的性能会下降。
[*]检索时允许只对部分向量做检索，集合中包含n个向量字段时，允许使用1-n个向量字段做向量检索，允许使用其中的任意一个向量字段做分组向量检索。
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！ yyds。多谢分享 用心讨论，共获提升！ 这个有用。 懂技术并乐意极积无私分享的人越来越少。珍惜 谢谢楼主提供！ yyds。多谢分享 过来提前占个楼 感谢发布原创作品，程序园因你更精彩 热心回复！ 收藏一下 不知道什么时候能用到 感谢分享 谢谢分享，辛苦了 这个有用。 分享、互助 让互联网精神温暖你我 热心回复！ 用心讨论，共获提升！ 感谢分享，学习下。 热心回复！ yyds。多谢分享
页:
[1]
2