Skip to main content
TF-IDF 即词频-逆文档频率（term-frequency times inverse document-frequency）。
本 notebook 介绍如何使用底层基于 scikit-learn 包中 TF-IDF 的检索器。 有关 TF-IDF 详细信息，请参阅这篇博客文章。 
pip install -qU  scikit-learn

from langchain_community.retrievers import TFIDFRetriever

​
使用文本创建新检索器

retriever = TFIDFRetriever.from_texts(["foo", "bar", "world", "hello", "foo bar"])

​
使用文档创建新检索器

您可以使用已创建的文档创建新的检索器。 
from langchain_core.documents import Document

retriever = TFIDFRetriever.from_documents(
    [
        Document(page_content="foo"),
        Document(page_content="bar"),
        Document(page_content="world"),
        Document(page_content="hello"),
        Document(page_content="foo bar"),
    ]
)

​
使用检索器

现在可以使用检索器了！ 
result = retriever.invoke("foo")

result

[Document(page_content='foo', metadata={}),
 Document(page_content='foo bar', metadata={}),
 Document(page_content='hello', metadata={}),
 Document(page_content='world', metadata={})]

​
保存与加载

您可以轻松保存和加载此检索器，非常适合本地开发使用！ 
retriever.save_local("testing.pkl")

retriever_copy = TFIDFRetriever.load_local("testing.pkl")

retriever_copy.invoke("foo")

[Document(page_content='foo', metadata={}),
 Document(page_content='foo bar', metadata={}),
 Document(page_content='hello', metadata={}),
 Document(page_content='world', metadata={})]
在 GitHub 上编辑此页 或 提交 issue。
将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时解答。