Project Icon

retriv

Python实现的多功能搜索引擎库

retriv是一个Python搜索引擎库,支持稀疏、密集和混合检索模式。它利用Numba进行向量运算加速,整合了PyTorch、Transformers和Faiss等工具,实现了高效的检索功能。该库提供自动调优,支持多语言处理,并可通过简单的API快速构建搜索系统。

PyPI 版本 许可证: MIT

🔥 新闻

  • [2023年8月23日] retriv 0.2.2 发布!
    此版本新增了对多字段文档和过滤器的实验性支持。 请参阅高级检索器文档。

  • [2023年2月18日] retriv 0.2.0 发布!
    此版本新增了对密集检索和混合检索的支持。 密集检索利用查询和文档向量表示的语义相似性,这些向量可以直接由 retriv 计算或从其他来源导入。 混合检索将传统检索(非正式称为稀疏检索)和密集检索的结果结合,进一步提高检索效果。 由于库几乎完全重写,不再支持之前版本构建的索引。

⚡️ 简介

retriv 是一个用户友好且高效的搜索引擎,使用 Python 实现,支持稀疏检索(基于 BM25TF-IDF 的传统搜索)、密集检索(语义搜索)和混合检索(稀疏检索和密集检索的结合)。 它允许您通过__单行代码__构建搜索引擎。

retriv 基于 Numba 实现高速向量运算自动并行化,利用 PyTorchTransformers 实现对基于 Transformer 的语言模型的便捷访问和使用,并使用 Faiss 进行近似最近邻搜索。 此外,它还提供自动调优功能,让您能以最少的干预调整其内部组件。

✨ 主要特性

检索器

统一搜索接口

所有支持的检索器共享相同的搜索接口:

  • search:标准搜索功能,即您对搜索引擎的期望。
  • msearch:一次性计算多个查询的结果。 它尽可能利用自动并行化
  • bsearch:与msearch类似,但自动生成要评估的查询批次,并允许以JSONl格式动态将搜索结果写入磁盘。bsearch适用于计算数十万甚至数百万个查询的结果,而不会占用大量内存。预计算的结果可用于信息检索神经网络模型训练期间的负采样。

自动调优

retriv通过利用AutoFaiss自动调优Faiss配置,以根据您可用的硬件保证10毫秒的响应时间。 此外,它还为BM25参数提供自动调优功能,只需最少的用户干预。 在后台,retriv利用Optuna(一个超参数优化框架)和ranx(一个信息检索评估库)来测试BM25的多种参数配置并选择最佳方案。 最后,它可以自动平衡混合检索器计算的词法和语义相关性得分的重要性,以最大化检索效果。

📚 文档

🔌 要求

python>=3.8

💾 安装

pip install retriv

💡 最小工作示例

# 注意:SearchEngine是SparseRetriever的别名
from retriv import SearchEngine

collection = [
  {"id": "doc_1", "text": "Generals gathered in their masses"},
  {"id": "doc_2", "text": "Just like witches at black masses"},
  {"id": "doc_3", "text": "Evil minds that plot destruction"},
  {"id": "doc_4", "text": "Sorcerer of death's construction"},
]

se = SearchEngine("new-index").index(collection)

se.search("witches masses")

输出:

[
  {
    "id": "doc_2",
    "text": "Just like witches at black masses",
    "score": 1.7536403
  },
  {
    "id": "doc_1",
    "text": "Generals gathered in their masses",
    "score": 0.6931472
  }
]

🎁 功能请求

您希望看到其他功能实现吗?请提交一个功能请求

🤘 想要贡献?

您想贡献吗?请给我发送一封电子邮件

📄 许可证

retriv是根据MIT许可证授权的开源软件。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号