请教下Elasticsearch7.14向量检索

引自免费微信小程序：皆我百晓生

在Elasticsearch 7.14中，向量检索支持多种类型的向量数据，包括DENSE_VECTOR、SparseFloatVector和SPARSE_LONG_VECTOR。如果你想要使用非DENSE_VECTOR类型，比如SparseFloatVector，你需要确保你的映射配置正确，并且在索引文档时提供正确的向量格式。

首先，让我们定义一个包含SparseFloatVector字段的映射。在这个例子中，我们创建一个名为my_index的索引，并设置一个名为vector_field的SparseFloatVector字段：

from elasticsearch import Elasticsearch, helpers

# 连接Elasticsearch实例
es = Elasticsearch()

# 定义映射
mapping = {
    "mappings": {
        "properties": {
            "vector_field": {
                "type": "dense_vector",
                "dimension": 50,
                "params": {
                    "format": "SPARSE"
                }
            }
        }
    }
}

# 创建索引并应用映射
if not es.indices.exists(index="my_index"):
    es.indices.create(index="my_index", body=mapping)

# 示例向量数据
vector_data = [[0.1, 0.2, 0.3, 0.4, 0.5], [0.6, 0.7, 0.8, 0.9, 1.0]]

# 索引文档
def index_document(vector):
    return {
        "_index": "my_index",
        "_source": {
            "vector_field": vector
        }
    }

actions = (index_document(vec) for vec in vector_data)
helpers.bulk(es, actions)

# 搜索示例
query = {
    "script_score": {
        "query": {"match_all": {}},
        "script": {
            "source": """
                double dot_product = script_fields['vector_field'].dotProduct(params.query_vector);
                return dot_product;
            """,
            "params": {
                "query_vector": [0.2, 0.3, 0.4, 0.5, 0.6]
            },
            "lang": "painless"
        }
    }
}

response = es.search(index="my_index", body=query)

这段代码首先连接到Elasticsearch实例，然后定义了一个名为my_index的索引及其映射，其中vector_field是一个SparseFloatVector类型。接下来，我们索引了两个示例向量数据。最后，我们执行了一个基于向量相似度的搜索查询。

注意，这里使用的params.query_vector是你希望与索引中的向量进行比较的查询向量。这个查询将返回最接近给定查询向量的文档，并根据它们之间的余弦相似度进行排序。

如果你遇到任何问题，或者需要进一步的帮助，请随时告诉我。