NanoPQ (乘积量化)

乘积量化算法 (k-NN) 是一种量化算法，有助于压缩数据库向量，从而在涉及大型数据集时实现语义搜索。简而言之，嵌入被分成 M 个子空间，然后进行聚类。在对向量进行聚类后，质心向量被映射到子空间每个簇中存在的向量。

本笔记本将介绍如何使用一个底层使用 nanopq 包实现的乘积量化的检索器。

%pip install -qU langchain-community langchain-openai nanopq

from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings
from langchain_community.retrievers import NanoPQRetriever

API Reference:SpacyEmbeddings | NanoPQRetriever

使用文本创建新的检索器

retriever = NanoPQRetriever.from_texts(
    ["Great world", "great words", "world", "planets of the world"],
    SpacyEmbeddings(model_name="en_core_web_sm"),
    clusters=2,
    subspace=2,
)

使用检索器

现在我们可以使用检索器了！

retriever.invoke("earth")

M: 2, Ks: 2, metric : <class 'numpy.uint8'>, code_dtype: l2
iter: 20, seed: 123
Training the subspace: 0 / 2
Training the subspace: 1 / 2
Encoding the subspace: 0 / 2
Encoding the subspace: 1 / 2

[Document(page_content='world'),
 Document(page_content='Great world'),
 Document(page_content='great words'),
 Document(page_content='planets of the world')]

Related

• Retriever conceptual guide
• Retriever how-to guides