DashVector：ambil dokumen

Cari berdasarkan vektor

Berikan vektor padat untuk menemukan dokumen yang paling mirip.

ret = collection.query(
    vector=[0.1, 0.2, 0.3, 0.4]
)
# Periksa apakah metode query berhasil dipanggil.
if ret:
    print('query success')
    print(len(ret))
    for doc in ret:
        print(doc)
        print(doc.id)
        print(doc.vector)
        print(doc.fields)

Untuk menyesuaikan set hasil, tentukan topk, output_fields, dan include_vector:

ret = collection.query(
    vector=[0.1, 0.2, 0.3, 0.4],
    topk=100,
    output_fields=['name', 'age'],  # Hanya bidang name dan age yang perlu dikembalikan.
    include_vector=True
)

Cari berdasarkan kunci primary

Gunakan parameter id untuk mencari menggunakan vektor dokumen yang tersimpan, tanpa memberikan nilai vektor secara langsung.

ret = collection.query(
    id='1'
)
# Periksa apakah metode query berhasil dipanggil.
if ret:
    print('query success')
    print(len(ret))
    for doc in ret:
        print(doc)
        print(doc.id)
        print(doc.vector)
        print(doc.fields)

Gabungkan id dengan topk dan output_fields seperti pada pencarian berbasis vektor:

ret = collection.query(
    id='1',
    topk=100,
    output_fields=['name', 'age'],  # Hanya bidang name dan age yang perlu dikembalikan.
    include_vector=True
)

Cari dengan filter kondisional

Tambahkan parameter filter untuk mempersempit hasil berdasarkan metadata. Filter mengikuti sintaks klausa WHERE SQL.

# Lakukan pencarian kemiripan menggunakan vektor atau kunci primary dan filter kondisional.
ret = collection.query(
    vector=[0.1, 0.2, 0.3, 0.4],   # Tentukan vektor untuk pencarian. Atau, Anda dapat menentukan kunci primary untuk pencarian.
    topk=100,
    filter='age > 18',             # Tentukan filter kondisional untuk melakukan match query pada dokumen yang nilai bidang agenya lebih besar dari 18.
    output_fields=['name', 'age'], # Hanya bidang name dan age yang perlu dikembalikan.
    include_vector=True
)

Tip: Gabungkan filter dengan id alih-alih vector untuk menyaring hasil dari pencarian berbasis kunci primary.

Pencarian hibrida dengan vektor padat dan vektor jarang

Gabungkan vektor padat dengan vektor jarang untuk melakukan pencarian semantik yang memperhatikan kata kunci. Vektor jarang merepresentasikan bobot kata kunci yang melengkapi penyematan padat.

# Lakukan pencarian kemiripan menggunakan vektor padat dan vektor jarang.
ret = collection.query(
    vector=[0.1, 0.2, 0.3, 0.4],   # Tentukan vektor untuk pencarian.
    sparse_vector={1: 0.3, 20: 0.7}
)

Lihat Pencarian semantik yang memperhatikan kata kunci untuk detail konfigurasi.

Match query hanya dengan filter

Abaikan baik vector maupun id untuk mengambil dokumen hanya berdasarkan kondisi metadata, tanpa peringkat kemiripan.

# Lakukan match query hanya menggunakan filter kondisional tanpa menentukan vektor atau kunci primary.
ret = collection.query(
    topk=100,
    filter='age > 18',             # Tentukan filter kondisional untuk melakukan match query pada dokumen yang nilai bidang agenya lebih besar dari 18.
    output_fields=['name', 'age'], # Hanya bidang name dan age yang perlu dikembalikan.
    include_vector=True
)