在ChromaDB中如何为文档关联多元数据字典并实现查询？

一、是否支持查询？ #

是支持的，但你当前的元数据结构存在明显局限性：

• data字段存的是非标准JSON字符串（多个JSON对象直接用逗号拼接，未包裹成数组），ChromaDB只会把它当成普通字符串处理，识别不了内部的实体结构。
• 只能基于整个data字符串做模糊或精确匹配，没法直接针对单个实体的属性（比如entity_group、entity_text）做精准过滤。

二、查询语句编写方法 #

1. 基于现有结构的字符串匹配查询 #

如果不想修改数据结构，可以用ChromaDB的元数据过滤语法，对data字段做字符串包含匹配：

示例1：查询包含特定实体文本的文档

collection.query(
    # 若不需要语义检索，可将query_texts设为空数组
    query_texts=["你的查询文本"],
    where={"data": {"$contains": "Patient"}},
    n_results=2
)

示例2：查询包含特定实体组的文档

collection.query(
    where={"data": {"$contains": "\"entity_group\": \"species\""}},
    n_results=2
)

注意这里要转义引号，因为要匹配data字符串里的精确子串。

2. 优化数据结构后的精准查询（推荐） #

要实现单个实体属性的精准过滤，建议修改metadatas结构，把data改成实体对象的数组（合法JSON格式），添加数据时的写法如下：

collection.add(
    documents=["doc1", "doc2"],
    metadatas=[
        {
            "entities": [
                {"entity_text": "Patient", "entity_group": "species", "normalized_id": ["NCBITaxon:9606"], "field": "Exclusion Criteria", "is_negated": "no"},
                {"entity_text": "donor", "entity_group": "Subject", "normalized_id": "CUI-less", "field": "Exclusion Criteria", "is_negated": "no"},
                {"entity_text": "pregnant lactating", "entity_group": "pregnancy", "normalized_id": "CUI-less", "field": "Exclusion Criteria", "is_negated": "no"}
            ]
        },
        {
            "entities": [
                {"entity_text": "bilirubin", "entity_group": "drug", "normalized_id": ["mesh:D001663"], "field": "Exclusion Criteria", "is_negated": "no"},
                {"entity_text": "serum", "entity_group": "Biological_structure", "normalized_id": "CUI-less", "field": "Exclusion Criteria", "is_negated": "no"},
                {"entity_text": "greater than 4 mg / dl", "entity_group": "Lab_value", "normalized_id": "CUI-less", "field": "Exclusion Criteria", "is_negated": "no"},
                {"entity_text": "transaminases", "entity_group": "Diagnostic_procedure", "normalized_id": "CUI-less", "field": "Exclusion Criteria", "is_negated": "no"},
                {"entity_text": "greater than 5", "entity_group": "Lab_value", "normalized_id": "CUI-less", "field": "Exclusion Criteria", "is_negated": "no"}
            ]
        }
    ],
    ids=["id1", "id2"]
)

修改后就能用ChromaDB的嵌套元数据过滤语法，针对实体属性做精准查询：

示例1：查询包含entity_group为species的文档

collection.query(
    where={"entities": {"$elemMatch": {"entity_group": "species"}}},
    n_results=2
)

示例2：查询包含entity_text为bilirubin且is_negated为no的文档

collection.query(
    where={"entities": {"$elemMatch": {"entity_text": "bilirubin", "is_negated": "no"}}},
    n_results=2
)

内容的提问来源于stack exchange，提问作者Majd Abdallah