TileDB

TileDB 是一个强大的引擎，用于对密集型和稀疏型多维数组进行索引和查询。

TileDB 通过 TileDB-Vector-Search 模块提供 ANN 搜索功能。它提供无服务器的 ANN 查询执行以及在本地磁盘和云对象存储（例如 AWS S3）上存储向量索引。

更多详情请参阅：

• 为什么选择 TileDB 作为向量数据库
• TileDB 101：向量搜索

本 Notebook 展示了如何使用 TileDB 向量数据库。

%pip install --upgrade --quiet  tiledb-vector-search langchain-community

基本示例

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import TileDB
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_text_splitters import CharacterTextSplitter

raw_documents = TextLoader("../../how_to/state_of_the_union.txt").load()
text_splitter = CharacterTextSplitter(chunk_size=1000, chunk_overlap=0)
documents = text_splitter.split_documents(raw_documents)
model_name = "sentence-transformers/all-mpnet-base-v2"
embeddings = HuggingFaceEmbeddings(model_name=model_name)
db = TileDB.from_documents(
    documents, embeddings, index_uri="/tmp/tiledb_index", index_type="FLAT"
)

API Reference:TextLoader | TileDB | HuggingFaceEmbeddings | CharacterTextSplitter

query = "What did the president say about Ketanji Brown Jackson"
docs = db.similarity_search(query)
docs[0].page_content

按向量进行相似性搜索

embedding_vector = embeddings.embed_query(query)
docs = db.similarity_search_by_vector(embedding_vector)
docs[0].page_content

相似性搜索及评分

docs_and_scores = db.similarity_search_with_score(query)
docs_and_scores[0]

最大化边际相关性搜索 (MMR)

除了在 retriever 对象中使用相似性搜索之外，您还可以使用 mmr 作为 retriever。

retriever = db.as_retriever(search_type="mmr")
retriever.invoke(query)

或者直接使用 max_marginal_relevance_search：

db.max_marginal_relevance_search(query, k=2, fetch_k=10)

Related

• Vector store conceptual guide
• Vector store how-to guides