langchain_community.embeddings.spacy_embeddings.SpacyEmbeddings

class langchain_community.embeddings.spacy_embeddings.SpacyEmbeddings

基础：BaseModel，Embeddings

由 spaCy 模型执行的嵌入。

model_name

spaCy 模型的名称。

类型

str

nlp

已经加载到内存中的 spaCy 模型。

类型

任何

embed_documents(texts

List[str]) -> List[List[float]]: 为一系列文档生成嵌入。

embed_query(text

str) -> List[float]: 为单个文本片段生成嵌入。

通过解析和验证从关键字参数传入的数据来创建一个新模型。

如果输入数据无法解析成有效的模型，则引发 ValidationError。

参数model_name: str = 'en_core_web_sm'

参数nlp: Optional[Any] = None

asyncaembed_documents(texts: List[str]) → List[List[float]]

异步地为一系列文档生成嵌入。此方法尚未实现，将引发 NotImplementedError。

参数

texts (List[str]) – 要生成嵌入的文档。

引发

NotImplementedError – 此方法未实现。

返回类型

List[List[float]]

asyncaembed_query(text: str) → List[float]

异步生成单个文本的嵌入。此方法未实现，将引发NotImplementedError异常。

参数

text (str) – 要为其生成嵌入的文本。

引发

NotImplementedError – 此方法未实现。

返回类型

List[float]

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

为文档列表生成嵌入。

参数

texts (List[str]) – 要生成嵌入的文档。

返回值

包含每个文档嵌入的列表。

返回类型

List[List[float]]

embed_query(text: str) → List[float]

为单个文本生成嵌入。

参数

text (str) – 要为其生成嵌入的文本。

返回值

文本的嵌入。

返回类型

List[float]

使用SpacyEmbeddings的示例

• SpaCy

• spaCy