LaserEmbeddings#
- class langchain_community.embeddings.laser.LaserEmbeddings[来源]#
基础类：
BaseModel,EmbeddingsLASER 语言无关的句子表示。 LASER 是由 Meta AI 研究团队开发的 Python 库， 用于为超过 147 种语言创建多语言句子嵌入， 截至 2024 年 2 月 25 日。 更多文档请参见： * facebookresearch/LASER * facebookresearch/LASER * https://arxiv.org/abs/2205.12654
要使用这个类，你必须安装laser_encoders Python包。
pip install laser_encoders .. rubric:: 示例
从激光编码器导入LaserEncoderPipeline 编码器 = LaserEncoderPipeline(lang=”eng_Latn”) 嵌入 = 编码器.encode_sentences([“Hello”, “World”])
通过解析和验证来自关键字参数的输入数据来创建一个新模型。
如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。
self 被显式地设为仅位置参数，以允许 self 作为字段名称。
- param lang: str | None = None#
您希望使用的语言或语言代码 如果为空，此实现将默认使用多语言早期LASER编码器模型（称为laser2） 在facebookresearch/flores找到支持的语言列表
- async aembed_documents(texts: list[str]) list[list[float]]#
异步嵌入搜索文档。
- Parameters:
文本 (列表[字符串]) – 要嵌入的文本列表。
- Returns:
嵌入列表。
- Return type:
列表[列表[浮点数]]
- async aembed_query(text: str) list[float]#
异步嵌入查询文本。
- Parameters:
文本 (str) – 要嵌入的文本。
- Returns:
嵌入。
- Return type:
列表[浮点数]
- embed_documents(texts: List[str]) List[List[float]][source]#
使用LASER为文档生成嵌入。
- Parameters:
文本 (列表[字符串]) – 要嵌入的文本列表。
- Returns:
嵌入列表，每个文本对应一个。
- Return type:
列表[列表[float]]
使用 LaserEmbeddings 的示例