beyond_vector_search

Além da pesquisa vetorial
Engine de consulta de vetor/conhecimento híbrido para recuperação de dados aprimorados

Instalação

Usamos o Python == 3.9.18 e recomendamos o uso de um ambiente virtual para instalar os pacotes necessários.

 pip install -r requirements.txt

Criando dados filtrados

• notebooks/parsing_json.ipynb : Dados de filtro para arxiv
• notebooks/parsing_cnn_news.ipynb : Dados de filtro para notícias da CNN
• notebooks/parsing_wiki_movies.ipynb : Filtrar dados para filmes wiki

Conjunto de dados

Utilizamos um subconjunto do conjunto de dados ARXIV da Kaggle, que contém 12.926 amostras, e o arquivo de picles é fornecido em "Beiond_Vector_Search/Data/Filled_Data.pickle".

Código -fonte

 make_vectordb.py: a script to build a vector database from a "data/filtered_data.pickle"

utils/
    - build_graph.py: a script containing helper functions for building the knowledge graph
    - parse_arxiv.py: a script containing helper functions for parsing the arxiv dataset
vector_graph/
    - bipartite_graph_dict.py: A custom implementation of the bipartite graph
    - bipartite_graph_networkx.py: An experimental implementation of the bipartite graph using networkx
    - embedding_models.py: A custom implementation of the embedding models for generating the text embeddings
workloads
    - keyword_extractor.py
    - query_gen.py: A script for generating the text queries given paper data points
    - workload_gen.sh: This is the script for generating the workloads we described in the report
testing
    - inference.py: A script for executing our various search query engines on the generated workloads
zy_testing
    - compute_metrics_cos.py: A script for computing the accuracy of our results utilizing various performance compute_metrics_cos