返回
如何从 ChromaDB 中检索特定 PDF 文件的嵌入项 ID 和元数据？
python
2024-03-17 21:04:29
在 ChromaDB 中检索特定 PDF 嵌入项的 ID 和元数据
在使用 Langchain 开发聊天应用程序时，您可能会面临这样的难题：如何从 ChromaDB 矢量数据库中检索与特定 PDF 文件关联的嵌入项 ID 和元数据，而不是检索整个集合的数据。
问题根源
在 ChromaDB 中嵌入 PDF 文件时，您会将自定义元数据和 ID 与每个嵌入项一起存储。当需要根据特定 PDF 文件删除其嵌入项时，检索这些特定 ID 和元数据至关重要。
然而，现有的 vectordb.get() 函数会返回所有 ID 和元数据，而不是针对特定 PDF 文件的子集。因此，您需要寻找一种方法来细化检索范围。
解决方法
要检索特定 PDF 文件的嵌入项 ID 和元数据，您可以使用以下步骤：
- 连接到 ChromaDB： 使用 ChromaDB PersistentClient 连接到数据库，并选择要查询的集合。
- 构建查询： 使用 ChromaDB 的 where() 函数构建查询，指定要匹配的 PDF 文件名称元数据。例如：
query = client.where({"source": pdf_file.filename})
- 执行查询： 对集合应用查询以检索匹配的嵌入项。
result = collection.get(query)
代码示例
将上述步骤应用于代码示例中：
import chromadb
import uuid
import datetime
# 连接到 ChromaDB
client = chromadb.PersistentClient(path="./trained_db")
collection = client.get_or_create_collection("PDF_Embeddings", embedding_function=embedding_functions.OpenAIEmbeddingFunction(api_key=config["OPENAI_API_KEY"], model_name=configs.EMBEDDINGS_MODEL))
# 构建查询
query = client.where({"source": pdf_file.filename})
# 执行查询
result = collection.get(query)
# 提取 ID 和元数据
ids = result["ids"]
metadata = result["metadatas"][0]
通过使用此方法，您现在可以检索特定 PDF 文件关联的 ID 和元数据，而无需检索整个集合的数据。这使您能够根据需要删除与该 PDF 文件关联的嵌入项。
常见问题解答
- 我如何创建自定义元数据？ 在存储嵌入项时，您可以使用 collection_metadata 参数指定元数据。有关更多详细信息，请参阅 ChromaDB 文档。
- 检索到的 ID 和元数据在哪里？ ID 存储在 ids 变量中，元数据存储在 metadatas 列表中。
- 我可以使用这些 ID 删除嵌入项吗？ 是的，您可以使用检索到的 ID 通过 vectordb.delete() 函数从集合中删除嵌入项。
- 如何使用 vectordb.delete() 函数？ 有关如何使用此函数的详细信息，请参阅 ChromaDB 文档。
- 如果我没有检索到任何结果怎么办？ 如果查询未返回任何结果，则表示集合中没有与该 PDF 文件关联的嵌入项。在这种情况下，您需要采取替代措施，例如通知用户。
