superlinked
v17.8.0
Superlinked는 구조화 되지 않은 데이터를 결합한 고성능 검색 및 권장 애플리케이션을 구축하는 AI 엔지니어를위한 Python 프레임 워크입니다. 시작하려면 문서를 확인하십시오.
sentence-transformers , open-clip 및 사용자 정의 인코더의 미리 훈련 된 인코더에서 사용자 정의 데이터 및 쿼리 임베딩 모델을 구성하십시오. 예제는 아래 기능 및 사용 사례 노트북을 참조하십시오.우리가하는 일이 마음에 들면 별을 줘!
당사의 기능 및 개념의 전체 목록을 확인할 수 있습니다.
노트북과 함께 각 유스 케이스가 슈퍼 링크 프레임 워크에서 어떻게 이익을 얻는 지 자세히 알아보십시오.
여기에서 전체 예 목록을 확인할 수 있습니다.
제품 설명 및 등급을 이해하는 전자 상거래 제품 검색을 구축합시다.
%pip install superlinked
첫 번째 실행은 임베딩 모델을 다운로드하는 데 1 분이 걸립니다.
import json
import os
from superlinked import framework as sl
class Product ( sl . Schema ):
id : sl . IdField
description : sl . String
rating : sl . Integer
product = Product ()
description_space = sl . TextSimilaritySpace (
text = product . description , model = "Alibaba-NLP/gte-large-en-v1.5"
)
rating_space = sl . NumberSpace (
number = product . rating , min_value = 1 , max_value = 5 , mode = sl . Mode . MAXIMUM
)
index = sl . Index ([ description_space , rating_space ], fields = [ product . rating ])
# Define your query and parameters to set them directly at query-time
# or let an LLM fill them in for you using the `natural_language_query` param.
# Don't forget to set your OpenAI API key to unlock this feature.
query = (
sl . Query (
index ,
weights = {
description_space : sl . Param ( "description_weight" ),
rating_space : sl . Param ( "rating_weight" ),
},
)
. find ( product )
. similar (
description_space ,
sl . Param (
"description_query" ,
description = "The text in the user's query that refers to product descriptions." ,
),
)
. limit ( sl . Param ( "limit" ))
. with_natural_query (
sl . Param ( "natural_language_query" ),
sl . OpenAIClientConfig ( api_key = os . environ [ "OPEN_AI_API_KEY" ], model = "gpt-4o" )
)
)
# Run the app in-memory (server & Apache Spark executors available too!).
source = sl . InMemorySource ( product )
executor = sl . InMemoryExecutor ( sources = [ source ], indices = [ index ])
app = executor . run ()
# Ingest data into the system - index updates and other processing happens automatically.
source . put ([
{
"id" : 1 ,
"description" : "Budget toothbrush in black color. Just what you need." ,
"rating" : 1 ,
},
{
"id" : 2 ,
"description" : "High-end toothbrush created with no compromises." ,
"rating" : 5 ,
},
{
"id" : 3 ,
"description" : "A toothbrush created for the smart 21st century man." ,
"rating" : 3 ,
},
])
result = app . query ( query , natural_query = "best toothbrushes" , limit = 1 )
# Examine the extracted parameters from your query
print ( json . dumps ( result . knn_params , indent = 2 ))
# The result is the 5-star rated product.
result . to_pandas ()단일 명령을 사용하면 Superlinked Server와 함께 로컬 또는 클라우드에서 REST API 서버로과 연결을 실행할 수 있습니다. 데이터 수집 및 쿼리 API, 모델 추론 임베딩 및 딥 벡터 데이터베이스 통합을 무료로 받으십시오!
단일 선언적 파이썬 코드베이스로 평가, 섭취 및 서빙 스택을 통합하십시오. SuperLinked는 데이터 스키마, 벡터 인덱스 및 컴퓨팅 DAG를 한 번에 연결 한 다음 작업에 적합한 실행자 (메모리 또는 서버)를 선택할 수 있도록하여이를 활성화합니다.
규모로 달리기에 대해 더 많이 배우는 데 관심이 있다면 관리 클라우드에 대한 조기 액세스를위한 데모를 예약하십시오.
슈퍼 링크 된 벡터 데이터베이스 에 벡터를 저장하고 다음에 대한 깊은 통합을 제공합니다.
일반적으로 벡터 데이터베이스 장단점에 대해 궁금하십니까? 우리 커뮤니티는 30 개 이상의 기능에 대한 44 개의 벡터 데이터베이스를 비교했습니다.
과 연결 프레임 워크 로그에는 프로세스 ID 및 패키지 범위와 같은 상황 정보가 포함됩니다. 개인 식별 정보 (PII)는 기본적으로 필터링되지만 SUPERLINKED_EXPOSE_PII 환경 true 로 노출 될 수 있습니다.
도움이 필요하십니까? 우리는 당신을 지원하기 위해 여기에 있습니다 :
피드백을보다 잘 해결하기 위해 각 주제에 대해 별도의 이슈/토론을 작성하십시오. 기여 해주셔서 감사합니다!
