faisslite 0.0.4

创建/查询Faiss向量数据库

faisslite about

一个用于中文文本向量化和相似度搜索的Python包。它可以将中文段落表征为向量矩阵,并构建向量搜索索引,用于快速准确检索文本中的相似句子。

document.py

对输入文本进行规范化处理，并将输入文本拆分成段落。

• formal函数 实现文本的预处理功能，输入原始文本,可以输出规范化了格式的文本内容。
• split函数 将文本拆分为由文本段落和分隔符构成的字典，为后续向量化处理文本提供了基础。

Faiss.py

使用spacy和text2vec将文本编码为句向量。定义了Faiss类,封装了一个Faiss索引的构建、添加样本、搜索相似样本、保存等功能。实现语义相似句检>索的核心代码,通过词向量技术编码句子语义,以及高效的向量空间索引Faiss实现快速相似度搜索。

• encode函数 采用text2vec-base-chinese生成Vector向量，采用spacy的中文模型生成Vector2向量，两个向量加权得到最终向量。
• top1函数 找出选出结果的最大值
• Faiss类
  • add函数 将段落拆解成句子，逐句向量化之后构建索引或者添加向量。
  • add_doc函数 将完整文档添加到向量索引和文档库中的过程，同时记录各段落和文档的信息，包括偏移、起止、页码等。
  • search函数 优先选择相似度最大，并且过滤掉低于阈值的结果。合并Faiss搜索出来的多个向量结果，得到按相似度排序的top-k个文本匹配。
  • dump函数 将构建好的Faiss索引保存到文件。

Director

• faisslite
  • __init__.py
  • document.py
  • Faiss.py
• setup.py
• README.md

Install

$ pip3 install -U faisslite

Usage

$ python3 -m faisslite &

Contact us

[e-mail]