使用ElasticSearch完成大模型+本地知识库:BM25+Embedding模型+Learned Sparse Encoder 新特性

在ElasticSearch中,我们可以使用BM25来进行相关性评分,并结合嵌入模型(如transformers)来改善搜索结果。以下是一个简化的例子,展示如何在ElasticSearch中集成BM25和嵌入模型。

首先,你需要一个ElasticSearch集群,并确保你的文档包含两部分信息:基本信息和文本信息。




{
  "title": "文档标题",
  "content": "文档内容",
  "embedding": [0.1, 0.2, ...]  // 文档的嵌入向量
}

然后,你可以在ElasticSearch的设置中使用BM25,并使用嵌入模型的输出作为相关性评分的一部分。




PUT /my_index
{
  "settings": {
    "index": {
      "similarity": {
        "my_similarity": {
          "type": "BM25",
          "k1": 1.2,
          "b": 0.75
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "similarity": "my_similarity"
      },
      "content": {
        "type": "text",
        "similarity": "my_similarity"
      },
      "embedding": {
        "type": "dense_vector",
        "dims": 100  // 嵌入向量的维度
      }
    }
  }
}

在查询时,你可以结合BM25得分和嵌入向量得分:




GET /my_index/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "content": "查询内容"
        }
      },
      "functions": [
        {
          "script_score": {
            "script": {
              "source": "cosineSimilarity(params.query_vector, 'embedding') + params.bm25_score",
              "params": {
                "query_vector": [0.1, 0.2, ...]  // 查询的嵌入向量
              }
            }
          }
        }
      ],
      "boost_mode": "sum"
    }
  }
}

在这个例子中,我们定义了一个my_similarity的相似性评分,它使用了BM25公式。在查询时,我们使用了ElasticSearch的函数查询功能,结合了BM25得分和基于余弦相似度的嵌入向量得分。这样可以更好地结合传统搜索和深度学习的结果。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日