如何将文本转换为向量？(方法二)

本文介绍如何通过ModelScope魔搭社区中的文本向量开源模型将 文本转换为向量 ，并入库至向量检索服务DashVector中进行向量检索。

ModelScope魔搭社区旨在打造下一代开源的模型即服务共享平台，为泛AI开发者提供灵活、易用、低成本的一站式模型服务产品，让模型应用更简单。

ModelScope魔搭社区的愿景是汇集行业领先的预训练模型，减少开发者的重复研发成本，提供更加绿色环保、开源开放的AI开发环境和模型服务，助力绿色"数字经济"事业的建设。 ModelScope魔搭社区将以开源的方式提供多类优质模型，开发者可在平台上免费体验与下载使用。

在ModelScope魔搭社区，您可以：

• 免费使用平台提供的预训练模型，支持免费下载运行
• 一行命令实现模型预测，简单快速验证模型效果
• 用自己的数据对模型进行调优，定制自己的个性化模型
• 学习系统性的知识，结合实训，有效提升模型研发能力
• 分享和贡献你的想法、评论与模型，让更多人认识你，在社区中成长

前提条件

• DashVector：

  • 已创建Cluster：[创建Cluster]
  • 已获得API-KEY：[API-KEY管理]
  • 已安装最新版SDK：[安装DashVector SDK]

• ModelScope：

  • 已安装最新版SDK：pip install -U modelscope

CoROM文本向量

简介

说明

关于CoROM文本向量模型更多信息请参考：CoROM文本向量

使用示例

说明

需要进行如下替换代码才能正常运行：

1. DashVector api-key替换示例中的{your-dashvector-api-key}
2. DashVector Cluster Endpoint替换示例中的{your-dashvector-cluster-endpoint}
3. 使用上表中 模型ID 替换示例中的{model_id}
4. 需注意，若所使用的模型若为tiny模型，则向量维度为256

Python

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from typing import List
from dashvector import Client


pipeline_se = pipeline(Tasks.sentence_embedding, model='{model_id}')


def generate_embeddings(texts: List[str]):
    inputs = {'source_sentence': texts}
    result = pipeline_se(input=inputs)
    return result['text_embedding']


########### 以下为通用示例：向量入库DashVector和向量检索代码参考###########
# 创建DashVector Client
client = Client(
    api_key='{your-dashvector-api-key}',
    endpoint='{your-dashvector-cluster-endpoint}'
)

# 创建DashVector Collection
# 注意：需根据模型对应向量维度调整dimension参数
rsp = client.create('CoROM-text-embedding', dimension=768)
assert rsp
collection = client.get('CoROM-text-embedding')
assert collection

# 向量入库DashVector
collection.insert(
    ('ID1', generate_embeddings(['阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一'])[0])
)

# 向量检索
docs = collection.query(
    generate_embeddings(['The best vector database'])[0]
)
print(docs)

GTE文本向量

简介

说明

关于GTE文本向量模型更多信息请参考：GTE文本向量

使用示例

本模型使用示例同[CoROM文本向量-使用示例]，进行相应 模型ID 和 向量维度 替换即可运行。

Udever 多语言通用文本表示模型

简介

说明

关于Udever 多语言通用文本表示模型更多信息请参考：Udever 多语言通用文本表示模型

使用示例

本模型使用示例同[CoROM文本向量-使用示例]，进行相应 模型ID 和 向量维度 替换即可运行。

StructBERT FAQ问答

简介

说明

关于StructBERT FAQ问答模型更多信息请参考：StructBERT FAQ问答

使用示例

说明

需要进行如下替换代码才能正常运行：

1. 使用上表中 模型ID 替换示例中的{model_id}

Python

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from typing import List

pipeline = pipeline(Tasks.faq_question_answering, model='{model_id}')


def generate_embeddings(texts: List[str], max_len=30):
    return pipeline.get_sentence_embedding(texts)

说明

本示例中，向量入库DashVector和向量检索代码，参考[CoROM文本向量-使用示例]中的通用示例部分

更多文本向量模型

说明

1. 列表中模型示例同[CoROM文本向量-使用示例]，进行相应 模型ID 和 向量维度 替换即可运行
2. 更多ModelScope社区中的开源文本向量模型在本文中不再一一列举，更多文本向量模型待您探索、发现和共建，点击进入。