Как создать вложения для диктов (не текста) для Vertex AI Search? ⇐ Python

[Anonymous]

Я пытаюсь создать и сохранить векторные внедрения в своем сегменте GCS, чтобы к ним можно было получить доступ с помощью Vector AI Search для поиска наиболее похожих элементов.
Следуя этому официальному руководству, они отметим, что первым шагом является создание встраивания, и что это можно сделать путем создания встраивания текста.
Если мы посмотрим на указанный код, то с помощью Python можно будет сделать следующее:< /p>

Код: Выделить всё

from vertexai.language_models import TextEmbeddingModel

def text_embedding() -> list:
"""Text embedding with a Large Language Model."""
model = TextEmbeddingModel.from_pretrained("textembedding-gecko@001")
embeddings = model.get_embeddings(["What is life?"])
for embedding in embeddings:
vector = embedding.values
print(f"Length of Embedding Vector: {len(vector)}")
return vector

Теперь есть еще один учебник, в котором они в основном генерируют и сохраняют векторные внедрения, также используя модель textembedding-gecko от Spanner до Vector Search. Очевидно, что данные, хранящиеся в Spanner, не хранятся в виде текста и имеют структуру типа строк/столбцов или ключей/значений.
С помощью приведенного выше кода, который указывает на создание вложений текста, это формат не поддерживается. Как же мне перейти от dict к встраиванию?
Примечание: в случае изображений продукта, как показано в исходном руководстве, действительно можно было бы ожидать, что объект будет иметь несколько атрибутов, а не только текст. В будущем я также хотел бы изучить возможность увеличения и уменьшения веса некоторых атрибутов, если это возможно.

Подробнее здесь: https://stackoverflow.com/questions/781 ... -ai-search