langchain_elasticsearch.vectorstores.ExactRetrievalStrategy

class langchain_elasticsearch.vectorstores.ExactRetrievalStrategy(*args, **kwargs)

自版本 0.2.0 开始弃用: 请使用 DenseVectorScriptScoreStrategy 代替。

使用脚本评分查询的精确检索策略。

方法

__init__(*args) **kwargs)
before_index_setup(client, text_field, ...)	在索引创建前执行。
index(dims_length, vector_query_field, ...)	创建Elasticsearch索引的映射。
query(query_vector, query, k, fetch_k, ...)	在对存储器进行搜索时执行。
require_inference()	返回该策略是否需要在将文本添加到索引之前对其进行推理。

__init__(*args: Any, **kwargs: Any) → Any

参数

• self (Any) –

• args (Any) –

• kwargs (Any) –

返回类型

Any

before_index_setup(client: Elasticsearch, text_field: str, vector_query_field: str) → None

在索引创建前执行。用于设置任何必需的Elasticsearch资源（如管道）。

参数

• client (Elasticsearch) – Elasticsearch客户端。

• text_field (str) – 包含索引中文字数据的字段。

• 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, text_field: str, similarity: Optional[DistanceStrategy]) → Dict

创建Elasticsearch索引的映射。

参数

• dims_length (可选[int]) –

• vector_query_field (str) –

• text_field (str) –

• similarity (可选[DistanceStrategy]) –

返回类型

字典

query(query_vector: Optional[List[float]], query: Optional[str], k: int, fetch_k: int, vector_query_field: str, text_field: str, filter: Optional[List[dict]], similarity: Optional[DistanceStrategy]) → Dict

在对存储器进行搜索时执行。

参数

• query_vector (可选[列表[float]]) – 查询向量，如果未使用基于向量的查询则为 None。

• query (可选[str]) – 文本查询，如果未使用基于文本的查询则为 None。

• k (int) – 要检索的结果总数。

• fetch_k (int) – 初始要获取的结果数量。

• vector_query_field (str) – 包含索引中向量表示的字段。

• text_field (str) – 包含索引中文字数据的字段。

• filter (可选[列表[dict]]) – 应用到查询的过滤器子句列表。

• similarity (可选[DistanceStrategy]) – 要使用的相似度策略，如果未使用则为 None。

返回

Elasticsearch 查询体。

返回类型

字典

require_inference() → bool

返回该策略是否需要在将文本添加到索引之前对其进行推理。

返回

是否在将文本添加到索引之前要求执行推理。

返回类型

bool