`langchain_community.embeddings.laser`.LaserEmbeddings¶

class langchain_community.embeddings.laser.LaserEmbeddings[source]¶

基础：BaseModel，Embeddings

LASER无语言限制的句子表示。LASER是Meta AI研究团队开发的Python库，截至2024年2月25日，已用于创建147种语言的跨语言句子嵌入。更多文档请参阅：* https://github.com/facebookresearch/LASER/ * https://github.com/facebookresearch/LASER/tree/main/laser_encoders * https://arxiv.org/abs/2205.12654

要使用此类，您必须安装laser_encoders Python包。

pip install laser_encoders .. 案例说明

from laser_encoders import LaserEncoderPipeline
encoder = LaserEncoderPipeline(lang="eng_Latn")
embeddings = encoder.encode_sentences(["Hello", "World"])

通过解析和验证关键字参数中的输入数据创建新模型。

如果输入数据无法解析以形成有效的模型，则引发ValidationError异常。

param lang: Optional[str] = None¶: 要使用的语言或语言代码。如果为空，此实现将默认使用早期的多语言LASER编码器模型（称为laser2）。支持的语言列表请参阅：https://github.com/facebookresearch/flores/blob/main/flores200/README.md#languages-in-flores-200

async aembed_documents(texts: List[str]) → List[List[float]]¶

异步嵌入文档。

参数: texts (List[str]) – 需要嵌入的文本列表。
返回: 嵌入列表。
返回类型: List[List[float]]

async aembed_query(text: str) → List[float]¶

异步嵌入查询文本。

参数: text (str) – 要嵌入的文本。
返回: 嵌入。
返回类型: List[float]

embed_documents(texts: List[str]) → List[List[float]][source]¶

使用LASER为文档生成嵌入。

参数: texts (List[str]) – 要嵌入的文本列表。
返回: 嵌入列表，每个文本一个。
返回类型: List[List[float]]

embed_query(text: str) → List[float][source]¶

使用LASER为单个查询文本生成嵌入。

参数: text (str) – 要嵌入的文本。
返回: 文本的嵌入。
返回类型: List[float]

langchain_community.embeddings.laser.LaserEmbeddings¶

激光嵌入示例使用¶

`langchain_community.embeddings.laser`.LaserEmbeddings¶