向量数据库Weaviate使用教程(安装+使用)
Weaviate-use由于官网的教程写得比力复杂，所以笔者写一个简单的例子，留意：本教程只作简单使用(这个例子只是举个例子，并未寻求好的检索结果)。github地址
可以看jupyter文件，里面有具体的注释
安装
Docker
网上教程较多，这里就不赘述了。
Weaviate安装
这里的安装是使用docker进行安装，所以请务必先安装好docker。
官网安装方法：
打开官网后，会看到这个界面，自己选择需要安装的版本、模块等。在选择完成后，可以在下面看到给你天生的一个串命令。
https://i-blog.csdnimg.cn/blog_migrate/11519e0a640d56494ac2324a461d2b6e.png#pic_center
我这里的安装是选择了最简单的(全默认)，天生了下列命令，并在命令行中输入
curl -o docker-compose.yml "https://configuration.weaviate.io/v2/docker-compose/docker-compose.yml?modules=standalone&runtime=docker-compose&weaviate_version=v1.20.1"
在下载该文件后，在命令行中输入以下命令
docker-compose up -d
等待安装完成后，可运行下述命令检查是否安装完成
docker ps -a
如果成功安装，是有weaviate的镜像会表现的
https://i-blog.csdnimg.cn/blog_migrate/b98924e34e53f5087a15b3c59145d53a.png#pic_center
安装Weaviate的python库
pip install weaviate-client
怎样在Python上使用Weaviate
这里使用了一个自己随便构建的数据集，是一个有20条
先导包
import weaviate
from langchain.document_loaders import DirectoryLoader, WebBaseLoader
import pandas as pd
界说下Weaviate的参数等
# 定义client
client = weaviate.Client(url='http://localhost:8080')
class_name = 'Stephen_Chow'# class的名字
class_obj = {
'class': class_name, # class的名字
'vectorIndexConfig':{
'distance': 'l2-squared', # 这里的distance是选择向量检索方式，这里选择的是欧式距离
},
}
创建class
client.schema.create_class(class_obj)
数据导入，我这里使用的是自己构建的一个关于周星驰台词的数据，长度为20，格式为csv
# 导入数据
df = pd.read_csv('data.csv', encoding='GB18030')
# 转成list形式
sentence_data = df.sentence.tolist()
df
https://i-blog.csdnimg.cn/blog_migrate/f72e7af4b8c3dab5b473f5ae2ef39a22.png#pic_center
在整理好数据后，我们就要把数据转成向量情势，我们先界说embeddings模子
# 定义embeddings模型
from sentence_transformers import SentenceTransformer
model = SentenceTransformer('emb_model/text2vec-large-chinese') # embeddings模型路径
将数据进行向量化
# 句子向量化
sentence_embeddings = model.encode(sentence_data)
# sentence_embeddings = model.encode(sentence_data)
sentence_embeddings
https://i-blog.csdnimg.cn/blog_migrate/e0c81e65192a2d56caac6a746856fd63.png#pic_center
为了方便，我们再将sentence_data和sentence_embeddings整合到同一个DataFrame中
# 将句子和embeddings后的数据整合到DataFrame里面
data = {'sentence':sentence_data,
'embeddings':sentence_embeddings.tolist()}
df = pd.DataFrame(data)
df
https://i-blog.csdnimg.cn/blog_migrate/134f497dfa26c05e7f28083d54858cfb.png#pic_center
在处理好数据后，我们就可以开始将数据导入Weaviate中了
with client.batch(
batch_size=100
) as batch:
for i in range(df.shape):
# if i%20 == 0:
print('importing data: {}'.format(i+1))
# 定义properties
properties = {
'sentence_id': i+1, # 这里是句子id,
'sentence': df.sentence,# 这里是句子内容
# 'embeddings': df.embeddings,
}
custom_vector = df.embeddings # 这里是句子向量化后的数据
# 导入数据
client.batch.add_data_object(
properties,
class_name=class_name,
vector=custom_vector
)
print('import completed')
在导入数据后，就可以开始进行相似度搜索了，这里先将我们要查询的句子/词进行向量化，然后给到weaviate中，并选择返回top5个。
query = model.encode(['除暴安良']).tolist() # 这里将问题进行embeddings
nearVector = {
'vector': query
}
response = (
client.query
.get(class_name, ['sentence_id', 'sentence']) # 第一个参数为class名字，第二个参数为需要显示的信息
.with_near_vector(nearVector) # 使用向量检索，nearVector为输入问题的向量形式
.with_limit(5) # 返回个数(TopK)，这里选择返回5个
.with_additional(['distance']) # 选择是否输出距离
.do()
)
在运行代码后，我们可以看下搜索结果：
print(json.dumps(response, indent=2))# 看下输出
https://i-blog.csdnimg.cn/blog_migrate/45f5164b58dfb028cd2d5c729fef31da.png#pic_center
整理一下并输出，可以看到，第一句话确实有吊民伐罪这几个字
# 输出结果
for i in response['data']['Get']:
print('='*20)
print(i['sentence'])
https://i-blog.csdnimg.cn/blog_migrate/cdea5f518054473853f1ca20b1f18d24.png#pic_center
总结
本教程只作简单使用，如果有帮到您，贫苦点个赞，谢谢！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]