SpaCy 系列

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

安装和设置

%pip install --upgrade --quiet  spacy

导入必要的类

from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings

API 参考：SpacyEmbeddings

例

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，该嵌入是文档内容的数字表示形式。这些嵌入可用于各种自然语言处理任务，例如文档相似性比较或文本分类。

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

生成并打印单段文本的嵌入。您还可以为单段文本（如搜索查询）生成嵌入。这对于信息检索等任务非常有用，在这些任务中，您希望查找与给定查询类似的文档。

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

嵌入模型概念指南
嵌入模型操作指南

安装和设置

例

相关