kNN

在统计学中，k-近邻算法 (k-NN) 是一种非参数监督学习方法，最初由 Evelyn Fix 和 Joseph Hodges 于 1951 年开发，后由 Thomas Cover 扩展。它用于分类和回归。

本 Notebook 将介绍如何使用底层采用 kNN 的检索器。

很大程度上基于 Andrej Karpathy 的代码。

from langchain_community.retrievers import KNNRetriever
from langchain_openai import OpenAIEmbeddings

API Reference:KNNRetriever | OpenAIEmbeddings

创建包含文本的新检索器

retriever = KNNRetriever.from_texts(
    ["foo", "bar", "world", "hello", "foo bar"], OpenAIEmbeddings()
)

使用检索器

我们现在就可以使用检索器了！

result = retriever.invoke("foo")

result

[Document(page_content='foo', metadata={}),
 Document(page_content='foo bar', metadata={}),
 Document(page_content='hello', metadata={}),
 Document(page_content='bar', metadata={})]

Related

• Retriever conceptual guide
• Retriever how-to guides