当今网站开发技术的现状,山东临沂市建筑模板生产厂家,网站建设工资,营销型网站的例子目标记录
[你好#xff0c;我的爱人,你好#xff0c;我的爱妻,你好#xff0c;我的病人,世界真美丽]
搜索词
爱人
预期返回
[你好#xff0c;我的爱人,你好#xff0c;我的爱妻]
示例代码…目标记录
[你好我的爱人,你好我的爱妻,你好我的病人,世界真美丽]
搜索词
爱人
预期返回
[你好我的爱人,你好我的爱妻]
示例代码
代码连接 es8以及bge-large-zh模型
bge-large-zh用来将文本转换为向量数据
es用来存储向量数据并根据向量来搜索相似度最高的文本(相似度可以用阈值调整)
from flask import Flask, request # 导入Flask类
from FlagEmbedding import FlagModel
from elasticsearch import Elasticsearch
from elasticsearch.helpers import bulkapp Flask(__name__) # 实例化并命名为app实例
model FlagModel(./models/bge/bge-large-zh, query_instruction_for_retrieval为这个句子生成表示以用于检索相关文章)
# 创建Elasticsearch客户端对象
es Elasticsearch(hostshttp://localhost:9200)
es.ping()app.route(/ins, methods[POST])
def index(): data request.get_json()print(data)strs data[strs]documents []for str in strs: print(str)tmp model.encode(str)documents.append({general_text: str,general_text_vector: tmp,# domain:001})documentsbulk(es, documents, indexdemo)return success(1)app.route(/search, methods[POST])
def search():data request.get_json()doc_vector model.encode(data[name])results es.search(indexdemo,source[general_text, ],min_score 1.83,query{script_score: {query: { match_all: {} },script: {source: cosineSimilarity(params.queryVector, general_text_vector) 1.0,params: {queryVector: doc_vector.tolist()}}}},size1000)# return resultsreturn results[hits][hits]def success(data):return {status: success,result: data}def fail(data):return {status: fail,result: data}if __name__ __main__:# Runport 5000app.run(host127.0.0.1, portport, debugFalse, use_reloaderFalse)
es存储数据 搜索结果
