语义分块器#

class langchain_experimental.text_splitter.SemanticChunker(embeddings: Embeddings, buffer_size: int = 1, add_start_index: bool = False, breakpoint_threshold_type: Literal['percentile', 'standard_deviation', 'interquartile', 'gradient'] = 'percentile', breakpoint_threshold_amount: float | None = None, number_of_chunks: int | None = None, sentence_split_regex: str = '(?<=[.?!])\\s+', min_chunk_size: int | None = None)[source]#

根据语义相似性分割文本。

摘自Greg Kamradt的精彩笔记本： FullStackRetrieval-com/RetrievalTutorials

所有的功劳都归他。

在高层次上，这会将文本分割成句子，然后将句子分成每组3个句子，然后在嵌入空间中合并相似的句子。

方法

__init__(embeddings[, buffer_size, ...])

atransform_documents(documents, **kwargs)

异步转换文档列表。

create_documents(texts[, metadatas])

从文本列表创建文档。

split_documents(documents)

分割文档。

split_text(text)

transform_documents(documents, **kwargs)

通过拆分文档来转换文档序列。
Parameters:

  • embeddings (Embeddings)

  • buffer_size (int)

  • add_start_index (bool)

  • breakpoint_threshold_type (Literal['percentile', 'standard_deviation', 'interquartile', 'gradient'])

  • breakpoint_threshold_amount (float | None)

  • number_of_chunks (int | None)

  • sentence_split_regex (str)

  • min_chunk_size (int | None)

__init__(embeddings: Embeddings, buffer_size: int = 1, add_start_index: bool = False, breakpoint_threshold_type: Literal['percentile', 'standard_deviation', 'interquartile', 'gradient'] = 'percentile', breakpoint_threshold_amount: float | None = None, number_of_chunks: int | None = None, sentence_split_regex: str = '(?<=[.?!])\\s+', min_chunk_size: int | None = None)[source]#
Parameters:

  • embeddings (Embeddings)

  • buffer_size (int)

  • add_start_index (bool)

  • breakpoint_threshold_type (Literal['percentile', 'standard_deviation', 'interquartile', 'gradient'])

  • breakpoint_threshold_amount (float | None)

  • number_of_chunks (int | None)

  • sentence_split_regex (str)

  • min_chunk_size (int | None)

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

异步转换文档列表。

Parameters:

  • documents (Sequence[Document]) – 要转换的文档序列。

  • kwargs (Any)

Returns:

一系列转换后的文档。

Return type:

序列[Document]

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

从文本列表创建文档。

Parameters:

  • 文本 (列表[字符串])

  • metadatas (列表[字典] | 无)

Return type:

列表[文档]

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

分割文档。

Parameters:

文档 (可迭代[Document])

Return type:

列表[文档]

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

文本 (str)

Return type:

列表[str]

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

通过拆分文档序列来转换文档。

Parameters:

  • 文档 (序列[Document])

  • kwargs (Any)

Return type:

序列[文档]

使用 SemanticChunker 的示例