О чём урок
В этом notebook мы рассмотрим генерацию embedding'ов описаний фильмов с помощью OpenAI и использование этих embedding'ов в Zilliz для поиска релевантных фильмов. Чтобы сузить результаты поиска и попробовать что-то новое, мы будем использовать фильтрацию для поиска по метаданным. Набор данных в этом примере взят из HuggingFace datasets и содержит чуть более 8 тысяч записей о фильмах.
Начнем с загрузки необходимых библиотек для этого notebook:
- openai используется для связи с сервисом embedding'ов OpenAI
- pymilvus используется для связи с сервером Zilliz
- datasets используется для загрузки набора данных
- tqdm используется для индикаторов прогресса
Чтобы запустить Zilliz, ознакомьтесь с информацией здесь. После настройки вашей учетной записи и базы данных, установите следующие значения:
- URI: URI, на котором работает ваша база данных
- USER: Имя пользователя вашей базы данных
- PASSWORD: Пароль вашей базы данных
- COLLECTION_NAME: Имя, которое будет присвоено коллекции в Zilliz
- DIMENSION: Размерность embedding'ов
- OPENAI_ENGINE: Какую модель embedding'ов использовать
- openai.api_key: Ключ вашей учетной записи OpenAI
- INDEX_PARAM: Настройки индекса для использования в коллекции
- QUERY_PARAM: Параметры поиска для использования
- BATCH_SIZE: Сколько текстов embedding'ов вставлять за один раз
Когда Zilliz запущен и работает, мы можем начать получать наши данные. Hugging Face Datasets — это хаб, который содержит множество различных пользовательских наборов данных, и для этого примера мы используем набор данных netflix-shows от HuggingLearners. Этот набор данных содержит фильмы и их метаданные для более чем 8 тысяч фильмов. Мы будем создавать embedding для каждого описания и хранить его в Zilliz вместе с его title, type, release_year и rating.
Теперь, когда данные находятся на нашей машине, мы можем начать создавать их embedding'и и вставлять их в Zilliz. Функция embedding'а принимает текст и возвращает embedding'и в формате списка.
Этот следующий шаг выполняет фактическую вставку. Мы итерируем по всем записям и создаем batch'и, которые вставляем, как только достигаем заданного размера batch'а.
После того как наши данные…
План урока
- Находим ваш следующий фильм
- Набор данных
- Вставка данных
- Запрос к базе данных
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.