深入理解n-gram重叠示例选择器：优化您的示例选择

# 引言

在自然语言处理任务中，示例选择是提高模型性能的重要步骤。本文将探讨如何使用n-gram重叠示例选择器（NGramOverlapExampleSelector）来选择和排序与输入最相似的示例。这种方法根据n-gram重叠得分进行选择，能有效提高模型的输出准确性。

# 主要内容

## 什么是n-gram重叠得分？

n-gram重叠得分是衡量输入与示例之间相似度的指标，范围从0.0到1.0。其值越大，表示输入与示例之间的n-gram重叠越多。

## 使用NGramOverlapExampleSelector

### 准备示例与模板

```python
from langchain_community.example_selectors import NGramOverlapExampleSelector
from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate

example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template="Input: {input}\nOutput: {output}",
)

examples = [
    {"input": "See Spot run.", "output": "Ver correr a Spot."},
    {"input": "My dog barks.", "output": "Mi perro ladra."},
    {"input": "Spot can run.", "output": "Spot puede correr."},
]

创建示例选择器

example_selector = NGramOverlapExampleSelector