英文注册查询网站,资源网址有哪些,东莞微信网站建设推荐,seo技术员作者#xff1a;来自 Elastic Josh Asres 了解如何使用 Elasticsearch 的 “self-quering” 检索器来通过结构化过滤器提高语义搜索的相关性。 在人工智能搜索的世界中#xff0c;在海量的数据集中高效地找到正确的数据至关重要。传统的基于关键词的搜索在处理涉及自然语言的…作者来自 Elastic Josh Asres 了解如何使用 Elasticsearch 的 “self-quering” 检索器来通过结构化过滤器提高语义搜索的相关性。 在人工智能搜索的世界中在海量的数据集中高效地找到正确的数据至关重要。传统的基于关键词的搜索在处理涉及自然语言的查询时往往会失效这时就需要语义搜索了。然而如果你想将语义搜索的功能与过滤日期和数字值等结构化元数据的能力结合起来那么自查询检索器self-querying retrievers就可以发挥作用了。
自查询检索器提供了一种强大的方法来利用元数据进行更精确、更细致的搜索。当与 Elasticsearch 的搜索和索引功能相结合时自查询变得更加强大使开发人员能够提高 RAG 应用程序的相关性。这篇博文将探讨自查询检索器的概念展示它们使用 LangChain 和 Python 与 Elasticsearch 的集成以及它如何帮助你的搜索变得更加强大 什么是自查询检索器self-querying Retrievers
自查询检索器是 LangChain 提供的一项功能它弥合了自然语言查询和结构化元数据过滤之间的差距。他们不再仅仅依靠关键字与文档内容的匹配而是使用大型语言模型 (LLM) 以及 Elasticsearch 的想量搜索功能来解析用户的自然语言查询并智能地提取相关的元数据过滤器。例如用户可能会问 “Find science fiction movies released after 2000 with a rating above 8 - 查找 2000 年后上映的评分高于 8 的科幻电影”。传统的搜索引擎如果没有关键词就很难找到隐含的含义而单独的语义搜索可以理解查询的上下文但无法应用日期和评级过滤器来获得最佳答案。但是自查询检索器会分析查询识别元数据字段类型、年份、评级并生成 Elasticsearch 可以理解和有效执行的结构化查询。这可以提供更加直观和用户友好的搜索体验用户可以用简单的英语表达包含过滤器的复杂搜索条件。
所有这些都通过 LLM 链进行其中 LLM 解析查询以从自然语言查询中提取过滤器然后将新的结构化过滤器应用于包含 Elasticsearch 中的嵌入和元数据的文档。 Source: Langchain 实现自查询检索器
将自查询检索器与 Elasticsearch 集成涉及几个关键步骤。在我们的 Python 示例中我们将使用 LangChain 的 AzureChatOpenAI 和 AzureOpenAIEmbeddings 以及 ElasticsearchStore 来管理它。我们首先引入所有 LangChain 库设置 LLM 以及用于创建向量的嵌入模型
from langchain_openai import AzureOpenAIEmbeddings, AzureChatOpenAI
from langchain_elasticsearch import ElasticsearchStore
from langchain.chains.query_constructor.base import AttributeInfo
from langchain.retrievers.self_query.base import SelfQueryRetriever
from langchain.docstore.document import Document
import os
llm AzureChatOpenAI(azure_endpointos.environ[AZURE_ENDPOINT],deployment_nameos.environ[AZURE_OPENAI_DEPLOYMENT_NAME],model_namegpt-4,api_version2024-02-15-preview
)embeddings AzureOpenAIEmbeddings(azure_endpointos.environ[AZURE_ENDPOINT],modeltext-embedding-ada-002
)
在我的示例中我使用 Azure OpenAI 作为 LLMgpt-4以及使用 text-embedding-ada-002 作为嵌入。然而这应该适用于任何基于云的 LLM 以及像 Llama 3 这样的本地 LLM甚至适用于我使用 OpenAI 的嵌入模型因为我们已经在使用 gpt-4。
然后我们使用元数据定义文档然后使用已建立的元数据字段将文档索引到 Elasticsearch 中
# --- Define Metadata Attributes ---
metadata_field_info [AttributeInfo(nameyear,descriptionThe year the movie was released,typeinteger,),AttributeInfo(namerating,descriptionThe rating of the movie (out of 10),typefloat,),AttributeInfo(namegenre,descriptionThe genre of the movie,typestring,),AttributeInfo(namedirector,descriptionThe director of the movie,typestring,),AttributeInfo(nametitle,descriptionThe title of the movie,typestring,)
]
docs [Document(page_contentFollowing clues to the origin of mankind, a team finds a structure on a distant moon, but they soon realize they are not alone.,metadata{year: 2012, rating: 7.7, genre: science fiction, title: Prometheus},),
...more documents
接下来将它们添加到 Elasticsearch 索引中es_store.add_embeddings 函数会将文档添加到你在 ELASTIC_INDEX_NAME 变量中选择的索引中如果在集群中找不到该索引则会创建具有该名称的索引。在我的示例中我使用的是 Elastic Cloud 部署但这也适用于自管理集群
es_store ElasticsearchStore(es_cloud_idELASTIC_CLOUD_ID,es_userELASTIC_USERNAME,es_passwordELASTIC_PASSWORD,index_nameELASTIC_INDEX_NAME,embeddingembeddings,
)
es_store.add_embeddings(text_embeddingslist(zip(texts, doc_embeddings)), metadatasmetadatas)
然后创建自查询检索器接受用户的查询使用 LLM我们之前设置的 Azure OpenAI来解释它然后构建一个结合语义搜索和元数据过滤器的 Elasticsearch 查询。这一切都由 docs trieser.invoke(query) 执行
# --- Create the self-querying Retriever (Using your LLM) ---
retriever SelfQueryRetriever.from_llm(llm,es_store,Search for movies,metadata_field_info,verboseTrue,
)
while True:# Prompt the user for a queryquery input(\nEnter your search query (or type exit to quit): )if query.lower() exit:break# Execute the query and print the resultsprint(f\nQuery: {query})docs retriever.invoke(query)print(fFound {len(docs)} documents:)for doc in docs:print(doc.page_content)print(doc.metadata)print(- * 20)
我们做到了然后根据 Elasticsearch 索引执行查询返回与内容和元数据标准最匹配的相关文档。此过程使用户能够进行自然语言查询如下面的示例所示
Query: What is a highly rated movie from the 1970s?
Found 3 documents:
The aging patriarch of an organized crime dynasty transfers control of his clandestine empire to his reluctant son.
{year: 1972, rating: 9.2, genre: crime, title: The Godfather}
--------------------
Three men walk into the Zone, three men walk out of the Zone
{year: 1979, director: Andrei Tarkovsky, genre: thriller, rating: 9.9, title: Stalker}
--------------------
Four armed men hijack a New York City subway car and demand a ransom for the passengers
{year: 1974, rating: 7.6, director: Joseph Sargent, genre: action, title: The Taking of Pelham One Two Three} 结论
虽然自查询检索器提供了一些显著的优势但必须考虑它们的局限性
自查询检索器依赖于 LLM 解释用户查询和提取正确的元数据过滤器的准确性。如果查询过于模糊或元数据定义不明确则检索器可能会产生不正确或不完整的结果。自查询过程的性能取决于查询的复杂性和数据集的大小。对于极大的数据集或非常复杂的查询LLM 处理和查询构建可能会带来一些开销。应该考虑使用 LLM 进行查询解释的成本尤其是对于高流量应用程序。
尽管存在这些考虑自查询检索器仍然代表了信息检索的强大增强尤其是与 Elasticsearch 的可扩展性和强大功能相结合时为构建搜索 AI 应用程序提供了引人注目的解决方案。
有兴趣自己尝试一下吗开始免费的云试用并在此处查看示例代码。你对可以在 Elastic Stack 中使用的其他检索器例如 Reciprocal Rank Fusion感兴趣吗请参阅此处的文档以了解更多信息。
Elasticsearch 与行业领先的 Gen AI 工具和提供商进行了原生集成。查看我们的网络研讨会了解如何超越 RAG 基础知识或构建可用于生产的应用程序 Elastic Vector Database。
为了为你的用例构建最佳搜索解决方案请立即开始免费云试用或在您的本地机器上试用 Elastic。 原文Unleashing your metadata: Self-querying retrievers with Elasticsearch - Elasticsearch Labs
