SpaCy
spaCy 是一個用於進階自然語言處理的開源軟體庫，以 Python 和 Cython 程式語言編寫而成。
安裝與設定
%pip install --upgrade --quiet spacy
匯入必要的類別
from langchain_community.embeddings.spacy_embeddings import SpacyEmbeddings
API 參考文件：SpacyEmbeddings
範例
初始化 SpacyEmbeddings。這會將 Spacy 模型載入記憶體中。
embedder = SpacyEmbeddings(model_name="en_core_web_sm")
定義一些範例文字。這些可以是您想要分析的任何文件 - 例如，新聞文章、社群媒體貼文或產品評論。
texts = [
"The quick brown fox jumps over the lazy dog.",
"Pack my box with five dozen liquor jugs.",
"How vexingly quick daft zebras jump!",
"Bright vixens jump; dozy fowl quack.",
]
為文字產生並印出嵌入向量。SpacyEmbeddings 類別會為每份文件產生一個嵌入向量，這是文件內容的數值表示。這些嵌入向量可用於各種自然語言處理任務，例如文件相似度比較或文本分類。
embeddings = embedder.embed_documents(texts)
for i, embedding in enumerate(embeddings):
print(f"Embedding for document {i+1}: {embedding}")
為單段文字產生並印出嵌入向量。您也可以為單段文字（例如搜尋查詢）產生嵌入向量。這對於資訊檢索等任務非常有用，在這些任務中，您想要尋找與給定查詢相似的文件。
query = "Quick foxes and lazy dogs."
query_embedding = embedder.embed_query(query)
print(f"Embedding for query: {query_embedding}")