Interogarea și actualizarea bazei de date

Introducere în Embeddings cu API-ul OpenAI

Emmanuel Pire

Senior Software Engineer, DataCamp

Interogarea bazei de date

Interogarea „movies where people sing a lot" este introdusă într-un model de embedding, se calculează distanțele cosinus, iar rezultatele finale sunt stocate.

Interogarea bazei de date

Interogarea de căutare este trimisă direct în baza de date vectorială pentru embedding, care conține deja documentele indexate.

Recuperarea colecției

from chromadb.utils.embedding_functions import OpenAIEmbeddingFunction

collection = client.get_collection(
    name="netflix_titles", 
    embedding_function=OpenAIEmbeddingFunction(api_key="...")
)

Trebuie specificată aceeași funcție de embedding utilizată la adăugarea datelor în colecție

Interogarea colecției

result = collection.query(
  query_texts=["movies where people sing a lot"],
  n_results=3
)
print(result)

{'ids': [['s4068', 's293', 's2213']],
 'embeddings': None,
 'documents': [['Title: Quién te cantará (Movie)\nDescription: When a near-...',
   'Title: Quartet (Movie)\nDescription: To save their posh retirement home, ...',
   'Title: Sing On! Spain (TV Show)\nDescription: In this fast-paced, high-...']],
 'metadatas': [[None, None, None]],
 'distances': [[0.350419282913208, 0.36049118638038635, 0.37080681324005127]]

query() returnează un dicționar cu mai multe chei:

ids: ID-urile elementelor returnate
embeddings: Embedding-urile elementelor returnate
documents: Textele sursă ale elementelor returnate
metadatas: Metadatele elementelor returnate
distances: Distanțele elementelor față de textul interogării

{'ids': [...],
 'embeddings': None,
 'documents': [...],
 'metadatas': [...],
 'distances': [...]}

Textul interogării este evidențiat împreună cu ID-urile celor trei rezultate generate.

Prima listă corespunde primului query_text
Mai multe query_texts returnează mai multe liste

ID-urile rezultatelor sunt evidențiate împreună cu documentele, metadatele și distanțele asociate.

Actualizarea unei colecții

collection.update(
  ids=["id-1", "id-2"],
  documents=["New document 1", "New document 2"]
)

Includeți doar câmpurile de actualizat; celelalte rămân neschimbate
Colecția va genera automat embedding-uri

Upsert într-o colecție

collection.upsert(
  ids=["id-1", "id-2"],
  documents=["New document 1", "New document 2"]
)

Dacă ID-urile lipsesc → sunt adăugate
Dacă ID-urile există → sunt actualizate

Ștergerea

Ștergerea elementelor dintr-o colecție

collection.delete(ids=["id-1", "id-2"])

Ștergerea tuturor colecțiilor și elementelor

client.reset()

Avertisment: aceasta va șterge tot din baza de date!

Să exersăm!

Introducere în Embeddings cu API-ul OpenAI