langchain_community.vectorstores.azure_cosmos_db
.AzureCosmosDBVectorSearch¶
- class langchain_community.vectorstores.azure_cosmos_db.AzureCosmosDBVectorSearch(collection: Collection[CosmosDBDocumentType], embedding: Embeddings, *, index_name: str = 'vectorSearchIndex', text_key: str = 'textContent', embedding_key: str = 'vectorContent')[source]¶
Azure Cosmos DB for MongoDB vCore 向量存储。
要使用,您应该同时具备以下条件: - 安装了
pymongo
python 包 - 与 MongoDB VCore 集群关联的连接字符串- 示例:
. code-block:: python
from langchain_community.vectorstores import AzureCosmosDBVectorSearch from langchain_community.embeddings.openai import OpenAIEmbeddings from pymongo import MongoClient
mongo_client = MongoClient(“<YOUR-CONNECTION-STRING>”) collection = mongo_client[“<db_name>”][“<collection_name>”] embeddings = OpenAIEmbeddings() vectorstore = AzureCosmosDBVectorSearch(collection, embeddings)
AzureCosmosDBVectorSearch的构造函数
- 参数:
collection: 要添加文本的MongoDB集合。 embedding: 要使用的文本嵌入模型。 index_name: Atlas Search索引的名称。 text_key: 每个文档将包含文本的MongoDB字段。 embedding_key: 每个文档将包含嵌入的MongoDB字段。
Attributes
embeddings
如果可用,访问查询嵌入对象。
Methods
__init__
(collection, embedding, *[, ...])AzureCosmosDBVectorSearch的构造函数
aadd_documents
(documents, **kwargs)运行更多的文档通过嵌入并添加到向量存储中。
aadd_texts
(texts[, metadatas])运行更多的文本通过嵌入,并添加到向量存储中。
add_documents
(documents, **kwargs)运行更多的文档通过嵌入并添加到向量存储中。
add_texts
(texts[, metadatas])运行更多的文本通过嵌入,并添加到向量存储中。
adelete
([ids])根据向量ID或其他条件进行删除。
afrom_documents
(documents, embedding, **kwargs)返回从文档和嵌入初始化的VectorStore。
afrom_texts
(texts, embedding[, metadatas])返回从文本和嵌入初始化的VectorStore。
amax_marginal_relevance_search
(query[, k, ...])返回使用最大边际相关性选择的文档。
返回使用最大边际相关性选择的文档。
as_retriever
(**kwargs)返回从此VectorStore初始化的VectorStoreRetriever。
asearch
(query, search_type, **kwargs)返回使用指定搜索类型的查询最相似的文档。
asimilarity_search
(query[, k])返回与查询最相似的文档。
asimilarity_search_by_vector
(embedding[, k])返回与嵌入向量最相似的文档。
返回文档和相关性分数在范围[0, 1]内,异步执行。
asimilarity_search_with_score
(*args, **kwargs)使用异步方式运行相似性搜索与距离。
create_index
([num_lists, dimensions, ...])创建一个使用在实例构造中指定的索引名称的索引
delete
([ids])根据向量ID或其他条件进行删除。
delete_document_by_id
([document_id])通过特定的Id删除文档
如果存在的话,删除在实例构造期间指定的索引
from_connection_string
(connection_string, ...)从连接字符串创建AzureCosmosDBVectorSearch的实例
from_documents
(documents, embedding, **kwargs)返回从文档和嵌入初始化的VectorStore。
from_texts
(texts, embedding[, metadatas, ...])返回从文本和嵌入初始化的VectorStore。
返回索引名称
验证在实例构造期间指定的索引名称是否存在于集合中
max_marginal_relevance_search
(query[, k, ...])返回使用最大边际相关性选择的文档。
返回使用最大边际相关性选择的文档。
search
(query, search_type, **kwargs)返回使用指定搜索类型的查询最相似的文档。
similarity_search
(query[, k, kind, ...])返回与查询最相似的文档。
similarity_search_by_vector
(embedding[, k])返回与嵌入向量最相似的文档。
返回文档和相关性得分在[0, 1]范围内。
similarity_search_with_score
(query[, k, ...])使用距离进行相似性搜索。
- Parameters
collection (Collection[CosmosDBDocumentType]) –
embedding (Embeddings) –
index_name (str) –
text_key (str) –
embedding_key (str) –
- __init__(collection: Collection[CosmosDBDocumentType], embedding: Embeddings, *, index_name: str = 'vectorSearchIndex', text_key: str = 'textContent', embedding_key: str = 'vectorContent')[source]¶
AzureCosmosDBVectorSearch的构造函数
- 参数:
collection: 要添加文本的MongoDB集合。 embedding: 要使用的文本嵌入模型。 index_name: Atlas Search索引的名称。 text_key: 每个文档将包含文本的MongoDB字段。 embedding_key: 每个文档将包含嵌入的MongoDB字段。
- Parameters
collection (Collection[CosmosDBDocumentType]) –
embedding (Embeddings) –
index_name (str) –
text_key (str) –
embedding_key (str) –
- async aadd_documents(documents: List[Document], **kwargs: Any) List[str] ¶
运行更多的文档通过嵌入并添加到向量存储中。
- 参数:
documents (List[Document]): 要添加到向量存储中的文档。
- 返回:
List[str]: 添加的文本的ID列表。
- Parameters
documents (List[Document]) –
kwargs (Any) –
- Return type
List[str]
- async aadd_texts(texts: Iterable[str], metadatas: Optional[List[dict]] = None, **kwargs: Any) List[str] ¶
运行更多的文本通过嵌入,并添加到向量存储中。
- Parameters
texts (Iterable[str]) –
metadatas (Optional[List[dict]]) –
kwargs (Any) –
- Return type
List[str]
- add_documents(documents: List[Document], **kwargs: Any) List[str] ¶
运行更多的文档通过嵌入并添加到向量存储中。
- 参数:
documents (List[Document]): 要添加到向量存储中的文档。
- 返回:
List[str]: 添加的文本的ID列表。
- Parameters
documents (List[Document]) –
kwargs (Any) –
- Return type
List[str]
- add_texts(texts: Iterable[str], metadatas: Optional[List[Dict[str, Any]]] = None, **kwargs: Any) List [source]¶
运行更多的文本通过嵌入,并添加到向量存储中。
- 参数:
texts: 要添加到向量存储中的字符串的可迭代对象。 metadatas: 与文本相关的元数据的可选列表。 kwargs: 向量存储特定的参数。
- 返回:
将文本添加到向量存储中的id列表。
- Parameters
texts (Iterable[str]) –
metadatas (Optional[List[Dict[str, Any]]]) –
kwargs (Any) –
- Return type
List
- async adelete(ids: Optional[List[str]] = None, **kwargs: Any) Optional[bool] ¶
根据向量ID或其他条件进行删除。
- 参数:
ids:要删除的ID列表。 **kwargs:子类可能使用的其他关键字参数。
- 返回:
Optional[bool]:如果删除成功则为True,否则为False,如果未实现则为None。
- Parameters
ids (Optional[List[str]]) –
kwargs (Any) –
- Return type
Optional[bool]
- async classmethod afrom_documents(documents: List[Document], embedding: Embeddings, **kwargs: Any) VST ¶
返回从文档和嵌入初始化的VectorStore。
- Parameters
documents (List[Document]) –
embedding (Embeddings) –
kwargs (Any) –
- Return type
VST
- async classmethod afrom_texts(texts: List[str], embedding: Embeddings, metadatas: Optional[List[dict]] = None, **kwargs: Any) VST ¶
返回从文本和嵌入初始化的VectorStore。
- Parameters
texts (List[str]) –
embedding (Embeddings) –
metadatas (Optional[List[dict]]) –
kwargs (Any) –
- Return type
VST
- async amax_marginal_relevance_search(query: str, k: int = 4, fetch_k: int = 20, lambda_mult: float = 0.5, **kwargs: Any) List[Document] ¶
返回使用最大边际相关性选择的文档。
最大边际相关性优化了与查询的相似性和所选文档之间的多样性。
- 参数:
query:要查找类似文档的文本。 k:要返回的文档数量。默认为4。 fetch_k:要获取以传递给MMR算法的文档数量。 lambda_mult:0到1之间的数字,确定结果之间多样性的程度,0对应最大多样性,1对应最小多样性。默认为0.5。
- 返回:
由最大边际相关性选择的文档列表。
- Parameters
query (str) –
k (int) –
fetch_k (int) –
lambda_mult (float) –
kwargs (Any) –
- Return type
List[Document]
- async amax_marginal_relevance_search_by_vector(embedding: List[float], k: int = 4, fetch_k: int = 20, lambda_mult: float = 0.5, **kwargs: Any) List[Document] ¶
返回使用最大边际相关性选择的文档。
- Parameters
embedding (List[float]) –
k (int) –
fetch_k (int) –
lambda_mult (float) –
kwargs (Any) –
- Return type
List[Document]
- as_retriever(**kwargs: Any) VectorStoreRetriever ¶
返回从此VectorStore初始化的VectorStoreRetriever。
- 参数:
- search_type(可选[str]):定义Retriever应执行的搜索类型。
可以是”similarity”(默认值)、”mmr”或”similarity_score_threshold”。
- search_kwargs(可选[Dict]):传递给搜索函数的关键字参数。可以包括:
k:要返回的文档数量(默认值:4) score_threshold:用于similarity_score_threshold的最小相关性阈值 fetch_k:传递给MMR算法的文档数量(默认值:20) lambda_mult:MMR返回结果的多样性;1表示最小多样性,0表示最大多样性(默认值:0.5) filter:按文档元数据筛选
- 返回:
VectorStoreRetriever:VectorStore的Retriever类。
示例:
# 检索更多具有更高多样性的文档 # 如果数据集中有许多相似的文档,则很有用 docsearch.as_retriever( search_type="mmr", search_kwargs={'k': 6, 'lambda_mult': 0.25} ) # 为MMR算法考虑更多文档 # 但只返回前5个 docsearch.as_retriever( search_type="mmr", search_kwargs={'k': 5, 'fetch_k': 50} ) # 仅检索具有特定阈值以上相关性分数的文档 docsearch.as_retriever( search_type="similarity_score_threshold", search_kwargs={'score_threshold': 0.8} ) # 仅从数据集中获取最相似的单个文档 docsearch.as_retriever(search_kwargs={'k': 1}) # 使用筛选器仅从特定论文中检索文档 docsearch.as_retriever( search_kwargs={'filter': {'paper_title':'GPT-4 Technical Report'}} )
- Parameters
kwargs (Any) –
- Return type
- async asearch(query: str, search_type: str, **kwargs: Any) List[Document] ¶
返回使用指定搜索类型的查询最相似的文档。
- Parameters
query (str) –
search_type (str) –
kwargs (Any) –
- Return type
List[Document]
- async asimilarity_search(query: str, k: int = 4, **kwargs: Any) List[Document] ¶
返回与查询最相似的文档。
- Parameters
query (str) –
k (int) –
kwargs (Any) –
- Return type
List[Document]
- async asimilarity_search_by_vector(embedding: List[float], k: int = 4, **kwargs: Any) List[Document] ¶
返回与嵌入向量最相似的文档。
- Parameters
embedding (List[float]) –
k (int) –
kwargs (Any) –
- Return type
List[Document]
- async asimilarity_search_with_relevance_scores(query: str, k: int = 4, **kwargs: Any) List[Tuple[Document, float]] ¶
返回文档和相关性分数在范围[0, 1]内,异步执行。
0表示不相似,1表示最相似。
- 参数:
query:输入文本 k:要返回的文档数量。默认为4。 **kwargs:要传递给相似性搜索的kwargs。应包括:
score_threshold:可选,介于0到1之间的浮点值,用于过滤检索到的文档集
- 返回:
元组列表(doc,相似度分数)的列表
- Parameters
query (str) –
k (int) –
kwargs (Any) –
- Return type
List[Tuple[Document, float]]
- async asimilarity_search_with_score(*args: Any, **kwargs: Any) List[Tuple[Document, float]] ¶
使用异步方式运行相似性搜索与距离。
- Parameters
args (Any) –
kwargs (Any) –
- Return type
List[Tuple[Document, float]]
- create_index(num_lists: int = 100, dimensions: int = 1536, similarity: CosmosDBSimilarityType = CosmosDBSimilarityType.COS, kind: str = 'vector-ivf', m: int = 16, ef_construction: int = 64) dict[str, Any] [source]¶
创建一个使用在实例构造中指定的索引名称的索引
正确设置numLists参数对于实现良好的准确性和性能非常重要。 由于向量存储使用IVF作为索引策略, 您应该在加载足够大的样本文档后才创建索引, 以确保各个桶的质心分布相对均匀。
我们建议对于最多100万个文档,将numLists设置为documentCount/1000, 对于超过100万个文档,将其设置为sqrt(documentCount)。 随着数据库中项目数量的增长,您应该调整numLists的大小, 以实现良好的向量搜索延迟性能。
如果您正在尝试新的场景或创建一个小型演示, 您可以将numLists设置为1,以在所有向量上执行蛮力搜索。 这应该为您提供来自向量搜索的最准确结果,但请注意搜索速度和延迟将会很慢。 在初始设置完成后,您应该根据上述指导调整numLists参数。
- 参数:
- kind:要创建的向量索引类型。
- 可能的选项包括:
vector-ivf
- vector-hnsw:仅作为预览功能提供,
若要启用,请访问https://learn.microsoft.com/en-us/azure/azure-resource-manager/management/preview-features
- num_lists:这个整数是倒排文件(IVF)索引用于对向量数据进行分组的簇的数量。
我们建议将numLists设置为documentCount/1000, 用于最多100万个文档,对于超过100万个文档,将其设置为sqrt(documentCount)。 使用numLists值为1相当于执行蛮力搜索,性能有限
- dimensions:向量相似性的维度数。
支持的最大维度数为2000
similarity:与IVF索引一起使用的相似性度量。
- 可能的选项包括:
CosmosDBSimilarityType.COS(余弦距离),
CosmosDBSimilarityType.L2(欧几里德距离)和
CosmosDBSimilarityType.IP(内积)。
- m:每层的最大连接数(默认为16,最小值为2,最大值为100)。
更高的m适用于具有高维度和/或高准确性要求的数据集。
- ef_construction:用于构建图的动态候选列表的大小(默认为64,最小值为4,最大值为1000)。
更高的ef_construction将导致更好的索引质量和更高的准确性, 但也会增加构建索引所需的时间。 ef_construction必须至少为2 * m
- 返回:
描述创建的索引的对象
- Parameters
num_lists (int) –
dimensions (int) –
similarity (CosmosDBSimilarityType) –
kind (str) –
m (int) –
ef_construction (int) –
- Return type
dict[str, Any]
- delete(ids: Optional[List[str]] = None, **kwargs: Any) Optional[bool] [source]¶
根据向量ID或其他条件进行删除。
- 参数:
ids:要删除的ID列表。 **kwargs:子类可能使用的其他关键字参数。
- 返回:
Optional[bool]:如果删除成功则为True,否则为False,如果未实现则为None。
- Parameters
ids (Optional[List[str]]) –
kwargs (Any) –
- Return type
Optional[bool]
- delete_document_by_id(document_id: Optional[str] = None) None [source]¶
通过特定的Id删除文档
- 参数:
document_id:文档标识符
- Parameters
document_id (Optional[str]) –
- Return type
None
- classmethod from_connection_string(connection_string: str, namespace: str, embedding: Embeddings, application_name: str = 'LANGCHAIN_PYTHON', **kwargs: Any) AzureCosmosDBVectorSearch [source]¶
从连接字符串创建AzureCosmosDBVectorSearch的实例
- 参数:
connection_string: MongoDB vCore实例的连接字符串 namespace: 命名空间(数据库.集合) embedding: 嵌入式工具 **kwargs: 动态关键字参数
- 返回:
一个向量存储的实例
- Parameters
connection_string (str) –
namespace (str) –
embedding (Embeddings) –
application_name (str) –
kwargs (Any) –
- Return type
- classmethod from_documents(documents: List[Document], embedding: Embeddings, **kwargs: Any) VST ¶
返回从文档和嵌入初始化的VectorStore。
- Parameters
documents (List[Document]) –
embedding (Embeddings) –
kwargs (Any) –
- Return type
VST
- classmethod from_texts(texts: List[str], embedding: Embeddings, metadatas: Optional[List[dict]] = None, collection: Optional[Collection[CosmosDBDocumentType]] = None, **kwargs: Any) AzureCosmosDBVectorSearch [source]¶
返回从文本和嵌入初始化的VectorStore。
- Parameters
texts (List[str]) –
embedding (Embeddings) –
metadatas (Optional[List[dict]]) –
collection (Optional[Collection[CosmosDBDocumentType]]) –
kwargs (Any) –
- Return type
- get_collection() Collection[CosmosDBDocumentType] [source]¶
- Return type
Collection[CosmosDBDocumentType]
- index_exists() bool [source]¶
验证在实例构造期间指定的索引名称是否存在于集合中
- 返回:
成功时返回True,如果集合中不存在这样的索引,则返回False
- Return type
bool
- max_marginal_relevance_search(query: str, k: int = 4, fetch_k: int = 20, lambda_mult: float = 0.5, kind: CosmosDBVectorSearchType = CosmosDBVectorSearchType.VECTOR_IVF, ef_search: int = 40, score_threshold: float = 0.0, **kwargs: Any) List[Document] [source]¶
返回使用最大边际相关性选择的文档。
最大边际相关性优化了与查询的相似性和所选文档之间的多样性。
- 参数:
query:要查找类似文档的文本。 k:要返回的文档数量。默认为4。 fetch_k:要获取以传递给MMR算法的文档数量。 lambda_mult:0到1之间的数字,确定结果之间多样性的程度,0对应最大多样性,1对应最小多样性。默认为0.5。
- 返回:
由最大边际相关性选择的文档列表。
- Parameters
query (str) –
k (int) –
fetch_k (int) –
lambda_mult (float) –
kind (CosmosDBVectorSearchType) –
ef_search (int) –
score_threshold (float) –
kwargs (Any) –
- Return type
List[Document]
- max_marginal_relevance_search_by_vector(embedding: List[float], k: int = 4, fetch_k: int = 20, lambda_mult: float = 0.5, kind: CosmosDBVectorSearchType = CosmosDBVectorSearchType.VECTOR_IVF, ef_search: int = 40, score_threshold: float = 0.0, **kwargs: Any) List[Document] [source]¶
返回使用最大边际相关性选择的文档。
最大边际相关性优化了与查询的相似性和所选文档之间的多样性。
- 参数:
embedding:要查找相似文档的嵌入。 k:要返回的文档数量。默认为4。 fetch_k:要获取以传递给MMR算法的文档数量。 lambda_mult:介于0和1之间的数字,确定结果之间多样性的程度,其中0对应最大多样性,1对应最小多样性。默认为0.5。
- 返回:
由最大边际相关性选择的文档列表。
- Parameters
embedding (List[float]) –
k (int) –
fetch_k (int) –
lambda_mult (float) –
kind (CosmosDBVectorSearchType) –
ef_search (int) –
score_threshold (float) –
kwargs (Any) –
- Return type
List[Document]
- search(query: str, search_type: str, **kwargs: Any) List[Document] ¶
返回使用指定搜索类型的查询最相似的文档。
- Parameters
query (str) –
search_type (str) –
kwargs (Any) –
- Return type
List[Document]
- similarity_search(query: str, k: int = 4, kind: CosmosDBVectorSearchType = CosmosDBVectorSearchType.VECTOR_IVF, ef_search: int = 40, score_threshold: float = 0.0, **kwargs: Any) List[Document] [source]¶
返回与查询最相似的文档。
- Parameters
query (str) –
k (int) –
kind (CosmosDBVectorSearchType) –
ef_search (int) –
score_threshold (float) –
kwargs (Any) –
- Return type
List[Document]
- similarity_search_by_vector(embedding: List[float], k: int = 4, **kwargs: Any) List[Document] ¶
返回与嵌入向量最相似的文档。
- 参数:
embedding:要查找与之相似的文档的嵌入。 k:要返回的文档数量。默认为4。
- 返回:
与查询向量最相似的文档列表。
- Parameters
embedding (List[float]) –
k (int) –
kwargs (Any) –
- Return type
List[Document]
- similarity_search_with_relevance_scores(query: str, k: int = 4, **kwargs: Any) List[Tuple[Document, float]] ¶
返回文档和相关性得分在[0, 1]范围内。
0表示不相似,1表示最相似。
- 参数:
query:输入文本 k:要返回的文档数量。默认为4。 **kwargs:要传递给相似性搜索的kwargs。应包括:
score_threshold:可选,介于0到1之间的浮点值,用于过滤检索到的文档集
- 返回:
元组列表(doc,相似性得分)
- Parameters
query (str) –
k (int) –
kwargs (Any) –
- Return type
List[Tuple[Document, float]]
- similarity_search_with_score(query: str, k: int = 4, kind: CosmosDBVectorSearchType = CosmosDBVectorSearchType.VECTOR_IVF, ef_search: int = 40, score_threshold: float = 0.0) List[Tuple[Document, float]] [source]¶
使用距离进行相似性搜索。
- Parameters
query (str) –
k (int) –
kind (CosmosDBVectorSearchType) –
ef_search (int) –
score_threshold (float) –
- Return type
List[Tuple[Document, float]]