langchain_community.vectorstores.elasticsearch.SparseRetrievalStrategy¶
- class langchain_community.vectorstores.elasticsearch.SparseRetrievalStrategy(model_id: Optional[str] = None)[source]¶
自版本 0.0.27 起弃用：请使用 langchain-elasticsearch 包中的 class 来代替。
使用 text_expansion 处理器实现的稀疏检索策略。
方法
__init__([model_id])before_index_setup(client, text_field, ...)在创建索引之前执行。
index(dims_length, vector_query_field, ...)在创建索引时执行。
query(query_vector, query, k, fetch_k, ...)在在存储器上进行搜索时执行。
返回此策略是否需要在将文本添加到索引之前对其进行推理。
- 参数
model_id (Optional[str]) –
-
__init__(model_id: Optional[str] = None) - 参数
model_id (Optional[str]) –
-
before_index_setup(client: Elasticsearch, text_field: str, vector_query_field: str) None 在索引创建之前执行。用于设置任何所需的Elasticsearch资源，如管道。
- 参数
client (Elasticsearch) – Elasticsearch客户端。
text_field (str) – 包含索引中文本数据的字段。
vector_query_field (str) – 包含索引中向量表示的字段。
- 返回类型
None
- index(dims_length: Optional[int], vector_query_field: str, similarity: Optional[DistanceStrategy]) Dict[source]¶
在创建索引时执行。
- 参数
dims_length (Optional[int]) – 嵌入向量数值长度，如果没有使用基于向量的查询则为None。
vector_query_field (str) – 包含索引中向量表示的字段。
similarity (Optional[DistanceStrategy]) – 要使用的相似度策略，如果没有使用则为None。
- 返回
策略的Elasticsearch设置和映射。
- 返回类型
Dict
- query(query_vector: Optional[List[float]], query: Optional[str], k: int, fetch_k: int, vector_query_field: str, text_field: str, filter: List[dict], similarity: Optional[DistanceStrategy]) Dict[source]¶
在在存储器上进行搜索时执行。
- 参数
query_vector (可选[[float]]) – 查询向量，如果没有使用基于向量的查询则返回None。
query (可选[str]) – 文本查询，如果没有使用基于文本的查询则返回None。
k (int) – 要检索的总结果数目。
fetch_k (int) – 初始时要获取的结果数目。
vector_query_field (str) – 包含索引中向量表示的字段。
text_field (str) – 包含索引中文本数据的字段。
filter ([[dict]}) – 应用到查询的过滤器条款列表。
similarity (Optional[DistanceStrategy]) – 要使用的相似度策略，如果没有使用则为None。
- 返回
Elasticsearch查询正文。
- 返回类型
Dict