Skip to main content

ElasticSearch BM25

Elasticsearch 是一个分布式的、RESTful的搜索和分析引擎。它提供了一个分布式、多租户能力的全文搜索引擎，具有HTTP Web界面和无模式的JSON文档。

在信息检索中，Okapi BM25（BM是最佳匹配的缩写）是搜索引擎用于估计文档与给定搜索查询的相关性的排名函数。它基于20世纪70年代和80年代由Stephen E. Robertson、Karen Spärck Jones等人开发的概率检索框架。

实际排名函数的名称是BM25。更完整的名称Okapi BM25包括第一个使用它的系统的名称，即20世纪80年代和90年代在伦敦城市大学实施的Okapi信息检索系统。BM25及其更新的变体，例如BM25F（可以考虑文档结构和锚文本的BM25版本），代表文档检索中使用的类似TF-IDF的检索函数。

这个笔记本展示了如何使用使用ElasticSearch和BM25的检索器。

有关BM25的详细信息，请参阅此博客文章。

#!pip install elasticsearch
from langchain.retrievers import ElasticSearchBM25Retriever

创建新的检索器​

elasticsearch_url = "http://localhost:9200"
retriever = ElasticSearchBM25Retriever.create(elasticsearch_url, "langchain-index-4")
# 或者，您可以加载现有的索引
# import elasticsearch
# elasticsearch_url="http://localhost:9200"
# retriever = ElasticSearchBM25Retriever(elasticsearch.Elasticsearch(elasticsearch_url), "langchain-index")

添加文本（如果需要）​

我们可以选择将文本添加到检索器中（如果它们还没有在其中）

retriever.add_texts(["foo", "bar", "world", "hello", "foo bar"])
    ['cbd4cb47-8d9f-4f34-b80e-ea871bc49856',
     'f3bd2e24-76d1-4f9b-826b-ec4c0e8c7365',
     '8631bfc8-7c12-48ee-ab56-8ad5f373676e',
     '8be8374c-3253-4d87-928d-d73550a2ecf0',
     'd79f457b-2842-4eab-ae10-77aa420b53d7']

使用检索器​

现在我们可以使用检索器了！

result = retriever.get_relevant_documents("foo")
result
    [Document(page_content='foo', metadata={}),
     Document(page_content='foo bar', metadata={})]