精确检索策略#

class langchain_community.vectorstores.elasticsearch.ExactRetrievalStrategy(*args: Any, **kwargs: Any)[source]#

自版本0.0.27起已弃用：请改用Use class in langchain-elasticsearch package。

使用script_score查询的精确检索策略。

方法

__init__(*args, **kwargs)

before_index_setup(client, text_field, ...)

在索引创建之前执行。

index(dims_length, vector_query_field, ...)

为Elasticsearch索引创建映射。

query(query_vector, query, k, fetch_k, ...)

在存储上执行搜索时执行。

require_inference()

返回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#
Parameters:

  • self (Any)

  • args (Any)

  • kwargs (Any)

Return type:

任何

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

在索引创建之前执行。用于设置任何所需的Elasticsearch资源，如管道。

Parameters:

  • client (Elasticsearch) – Elasticsearch 客户端。

  • text_field (str) – 索引中包含文本数据的字段。

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

Return type:

无

index(dims_length: int | None, vector_query_field: str, similarity: DistanceStrategy | None) → Dict[source]#

为Elasticsearch索引创建映射。

Parameters:

  • dims_length (int | None)

  • vector_query_field (str)

  • 相似度 (DistanceStrategy | None)

Return type:

字典

query(query_vector: List[float] | None, query: str | None, k: int, fetch_k: int, vector_query_field: str, text_field: str, filter: List[dict] | None, similarity: DistanceStrategy | None) → Dict[来源]#

当在商店上执行搜索时触发。

Parameters:

  • query_vector (List[float] | None) – 查询向量，如果不使用基于向量的查询则为None。

  • query (str | None) – 文本查询，如果不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) – 初始获取的结果数量。

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

  • text_field (str) – 索引中包含文本数据的字段。

  • filter (List[dict] | None) – 应用于查询的过滤条件列表。

  • similarity (DistanceStrategy | None) – 使用的相似性策略，如果不使用则为None。

Returns:

Elasticsearch 查询主体。

Return type:

字典

require_inference() → bool#

返回策略是否需要在将文本添加到索引之前对其进行推理。

Returns:

策略是否需要在将文本添加到索引之前对其进行推理。

Return type:

布尔