MmrHelper#

class langchain_astradb.utils.mmr_helper.MmrHelper(k: int, query_embedding: list[float], lambda_mult: float = 0.5, score_threshold: float = -inf)[source]#

用于执行MMR遍历查询的助手。

Parameters:

  • query_embedding (list[float]) – 用于评分的查询嵌入。

  • lambda_mult (float) – 介于0和1之间的数字，决定了结果之间的多样性程度，0对应最大多样性，1对应最小多样性。默认值为0.5。

  • score_threshold (float) – 只有分数大于或等于此阈值的文档才会被选择。默认为负无穷大。

  • k (整数)

创建一个新的Traversal MMR助手。

属性

方法

__init__(k, query_embedding[, lambda_mult, ...])

创建一个新的遍历MMR助手。

add_candidates(candidates)

将候选者添加到考虑集中。

candidate_ids()

返回候选者的ID。

pop_best()

选择并弹出正在考虑的最佳项目。
__init__(k: int, query_embedding: list[float], lambda_mult: float = 0.5, score_threshold: float = -inf) → None[源代码]#

创建一个新的Traversal MMR助手。

Parameters:

  • k (整数)

  • query_embedding (列表[浮点数])

  • lambda_mult (float)

  • score_threshold (float)

Return type:

无

add_candidates(candidates: dict[str, list[float]]) → None[source]#

将候选人添加到考虑集中。

Parameters:

candidates (dict[str, list[float]])

Return type:

无

candidate_ids() → Iterable[str][source]#

返回候选人的ID。

Return type:

可迭代[str]

pop_best() → str | None[source]#

选择并弹出正在考虑的最佳项目。

基于此更新考虑集。

Returns:

包含最佳项目ID的元组。

Return type:

字符串 | 无