跳到主要内容
John Snow Labs NLP & LLM 生态系统包括用于大规模最先进人工智能、负责任人工智能、无代码人工智能的软件库，并可访问超过 20,000 个用于医疗保健、法律、金融等领域的模型。 模型通过 nlp.load 加载，Spark 会话在后台通过 nlp.start() 启动。有关所有 24,000 多个模型，请参阅 John Snow Labs 模型中心

​
设置

pip install -qU  johnsnowlabs

# If you have a enterprise license, you can run this to install enterprise features
# from johnsnowlabs import nlp
# nlp.install()

​
示例

from langchain_community.embeddings.johnsnowlabs import JohnSnowLabsEmbeddings
初始化 Johnsnowlabs 嵌入和 Spark 会话 
embedder = JohnSnowLabsEmbeddings("en.embed_sentence.biobert.clinical_base_cased")
定义一些示例文本。这些可以是您想要分析的任何文档——例如，新闻文章、社交媒体帖子或产品评论。 
texts = ["Cancer is caused by smoking", "Antibiotics aren't painkiller"]
生成并打印文本的嵌入。JohnSnowLabsEmbeddings 类为每个文档生成一个嵌入，这是文档内容的数字表示。这些嵌入可用于各种自然语言处理任务，例如文档相似性比较或文本分类。 
embeddings = embedder.embed_documents(texts)
for i, embedding in enumerate(embeddings):
    print(f"Embedding for document {i + 1}: {embedding}")
生成并打印单个文本片段的嵌入。您还可以为单个文本片段（例如搜索查询）生成嵌入。这对于信息检索等任务非常有用，在这种任务中，您希望找到与给定查询相似的文档。 
query = "Cancer is caused by smoking"
query_embedding = embedder.embed_query(query)
print(f"Embedding for query: {query_embedding}")
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.