langchain_text_splitters.sentence_transformers.SentenceTransformersTokenTextSplitter

class langchain_text_splitters.sentence_transformers.SentenceTransformersTokenTextSplitter(chunk_overlap: int = 50, model_name: str = 'sentence-transformers/all-mpnet-base-v2', tokens_per_chunk: Optional[int] = None, **kwargs: Any)[source]

使用句子模型分词器将文本拆分为标记。

创建一个新的TextSplitter。

Methods

__init__([chunk_overlap, model_name, ...])

创建一个新的TextSplitter。

atransform_documents(documents, **kwargs)

异步转换文档列表。

count_tokens(*, text)

create_documents(texts[, metadatas])

从文本列表中创建文档。

from_huggingface_tokenizer(tokenizer, **kwargs)

使用HuggingFace分词器进行文本拆分以计算长度。

from_tiktoken_encoder([encoding_name, ...])

使用tiktoken编码器来计算长度的文本分割器。

split_documents(documents)

分割文档。

split_text(text)

将文本分割成多个部分。

transform_documents(documents, **kwargs)

将文档序列通过拆分进行转换。
Parameters

  • chunk_overlap (int) –

  • model_name (str) –

  • tokens_per_chunk (Optional[int]) –

  • kwargs (Any) –

Return type

None

__init__(chunk_overlap: int = 50, model_name: str = 'sentence-transformers/all-mpnet-base-v2', tokens_per_chunk: Optional[int] = None, **kwargs: Any) → None[source]

创建一个新的TextSplitter。

Parameters

  • chunk_overlap (int) –

  • model_name (str) –

  • tokens_per_chunk (Optional[int]) –

  • kwargs (Any) –

Return type

None

async atransform_documents(documents: Sequence[Document], **kwargs: Any) → Sequence[Document]

异步转换文档列表。

参数：

documents：要转换的文档序列。

返回：

转换后的文档列表。

Parameters

  • documents (Sequence[Document]) –

  • kwargs (Any) –

Return type

Sequence[Document]

count_tokens(*, text: str) → int[source]
Parameters

text (str) –

Return type

int

create_documents(texts: List[str], metadatas: Optional[List[dict]] = None) → List[Document]

从文本列表中创建文档。

Parameters

  • texts (List[str]) –

  • metadatas (Optional[List[dict]]) –

Return type

List[Document]

classmethod from_huggingface_tokenizer(tokenizer: Any, **kwargs: Any) → TextSplitter

使用HuggingFace分词器进行文本拆分以计算长度。

Parameters

  • tokenizer (Any) –

  • kwargs (Any) –

Return type

TextSplitter

classmethod from_tiktoken_encoder(encoding_name: str = 'gpt2', model_name: Optional[str] = None, allowed_special: Union[Literal['all'], AbstractSet[str]] = {}, disallowed_special: Union[Literal['all'], Collection[str]] = 'all', **kwargs: Any) → TS

使用tiktoken编码器来计算长度的文本分割器。

Parameters

  • encoding_name (str) –

  • model_name (Optional[str]) –

  • allowed_special (Union[Literal['all'], AbstractSet[str]]) –

  • disallowed_special (Union[Literal['all'], Collection[str]]) –

  • kwargs (Any) –

Return type

TS

split_documents(documents: Iterable[Document]) → List[Document]

分割文档。

Parameters

documents (Iterable[Document]) –

Return type

List[Document]

split_text(text: str) → List[str][source]

将文本分割成多个部分。

Parameters

text (str) –

Return type

List[str]

transform_documents(documents: Sequence[Document], **kwargs: Any) → Sequence[Document]

将文档序列通过拆分进行转换。

Parameters

  • documents (Sequence[Document]) –

  • kwargs (Any) –

Return type

Sequence[Document]

Examples using SentenceTransformersTokenTextSplitter