डेटाबेस को क्वेरी करना और अपडेट करना

OpenAI API के साथ Embeddings परिचय

Emmanuel Pire

Senior Software Engineer, DataCamp

डेटाबेस को क्वेरी करना

क्वेरी "movies where people sing a lot" को एक embedding मॉडल में भेजा जाता है, cosine distances निकाले जाते हैं, और अंतिम परिणाम स्टोर किए जाते हैं.

डेटाबेस को क्वेरी करना

सर्च क्वेरी सीधे vector डेटाबेस में embedding के लिए जाती है, जिसमें पहले से embedded डॉक्यूमेंट हैं.

कलेक्शन प्राप्त करें

from chromadb.utils.embedding_functions import OpenAIEmbeddingFunction

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

कलेक्शन में डेटा जोड़ते समय जो embedding function इस्तेमाल किया था, वही यहाँ भी specify करना होगा

कलेक्शन को क्वेरी करना

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() कई keys वाला एक dict लौटाता है:

ids: रिटर्न हुए items के ids
embeddings: रिटर्न हुए items के embeddings
documents: रिटर्न हुए items के source texts
metadatas: रिटर्न हुए items के metadatas
distances: क्वेरी टेक्स्ट से रिटर्न items की distances

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

क्वेरी टेक्स्ट और उससे आए तीन क्वेरी परिणामों के ids हाइलाइट किए गए हैं.

पहली list पहले query_text से मेल खाती है
कई query_text होंगे तो कई lists मिलेंगी

क्वेरी परिणामों के IDs उनके संबंधित documents, metadata, और distances के साथ हाइलाइट हैं.

कलेक्शन अपडेट करना

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

सिर्फ उन्हीं fields को शामिल करें जिन्हें अपडेट करना है, बाकी बदले नहीं जाएँगे
कलेक्शन embeddings अपने आप बना देगा

कलेक्शन upsert करना

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

IDs missing हों → add करें
IDs present हों → update करें

डिलीट करना

कलेक्शन से items डिलीट करें

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

सभी कलेक्शंस और items डिलीट करें

client.reset()

Warning: इससे डेटाबेस में मौजूद सब कुछ डिलीट हो जाएगा!

अभ्यास करते हैं!

OpenAI API के साथ Embeddings परिचय