embedding.md

Embedding

使用模型将文本转化为用数值表示的向量形式。

Python接口

erniebot.Embedding.create(**kwargs: Any)
    -> Union[EBResponse, Iterator[EBResponse]]

输入参数

参数名	类型	必填	描述
model	str	是	模型名称。当前支持'ernie-text-embedding'。
input	list[str]	是	输入的文本列表，列表中每个元素为一段单独的文本。注意： (1) 列表长度有最大限制。对于ernie-text-embedding模型，列表长度不能超过16。 (2) 每段文本的token数量有最大限制，超出限制则报错（采用汉字数 + 单词数 * 1.3估算token数量）。对于ernie-text-embedding模型，每段文本支持最多384个token。 (3) 文本内容不能为空。
user_id	str	否	终端用户的唯一标识符，可以监视和检测滥用行为，防止接口被恶意调用。

返回结果

接口返回erniebot.response.EBResponse对象。

返回结果的一个典型示例如下：

{
    'rcode': 200,
    'id': 'as-s0tdsgnuu4',
    'object': 'embedding_list',
    'created': 1692933427,
    'data': [
        {
            'object': 'embedding',
            'embedding': [
                0.12393086403608322,
                0.06512520462274551,
                0.05346716567873955,
                ...
            ],
            'index': 0
        },
        {
            'object': 'embedding',
            'embedding': [
                0.12393086403608322,
                0.06512520462274551,
                0.05346716567873955,
                ...
            ],
            'index': 1
        }
    ],
    'usage': {
        'prompt_tokens': 98,
        'total_tokens': 98
    }
}

其中关键字段含义如下表所示：

字段名	类型	描述
rcode	int	HTTP响应状态码。
data	list[dict]	向量列表，列表中元素个数与输入的文本数量一致。列表中的元素均为dict，包含如下键值对： object：固定为'embedding'。 embedding：模型生成的向量。对于ernie-text-embedding模型，向量维度为384。 index：序号。
usage	dict	输入、输出token统计信息。token数量采用如下公式估算：token数 = 汉字数 + 单词数 * 1.3。 prompt_tokens/total_tokens：输入token数量。

假设resp为一个erniebot.response.EBResponse对象，字段的访问方式有2种：resp['data']或resp.data均可获取data字段的内容。此外，可以使用resp.get_result()获取响应中的“主要结果”。对于此接口来说，resp.get_result()返回一个Python list，其中顺序包含每段输入文本的向量结果。

使用示例

import erniebot
import numpy as np

erniebot.api_type = 'aistudio'
erniebot.access_token = '<access-token-for-aistudio>'

response = erniebot.Embedding.create(
    model='ernie-text-embedding',
    input=[
        "我是百度公司开发的人工智能语言模型，我的中文名是文心一言，英文名是ERNIE-Bot，可以协助您完成范围广泛的任务并提供有关各种主题的信息，比如回答问题，提供定义和解释及建议。如果您有任何问题，请随时向我提问。",
        "2018年深圳市各区GDP"
    ])

for embedding in response.get_result():
    embedding = np.array(embedding)
    print(embedding)