跳到主要内容
spaCy是一个用Python和Cython编程语言编写的用于高级自然语言处理的开源软件库。

安装和设置

pip install -qU  spacy
导入必要的类
from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings

示例

初始化 SpacyEmbeddings。这将把 Spacy 模型加载到内存中。
embedder = SpacyEmbeddings(model_name="en_core_web_sm")
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 = [
    "The quick brown fox jumps over the lazy dog.",
    "Pack my box with five dozen liquor jugs.",
    "How vexingly quick daft zebras jump!",
    "Bright vixens jump; dozy fowl quack.",
]
生成并打印文本的嵌入。SpacyEmbeddings 类为每个文档生成一个嵌入,这是文档内容的数值表示。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的嵌入。您还可以为单个文本(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,您希望查找与给定查询相似的文档。
query = "Quick foxes and lazy dogs."
query_embedding = embedder.embed_query(query)
print(f"Embedding for query: {query_embedding}")

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.