langchain+chromdb如何使用余弦查询和相似度

        最近工作中遇到一个问题，用langchain+chromdb做向量召回的时候，发现返回的distance取值是0~正无穷，值越小代表相似度越高。现在想要将相似度变成0~1之间， 值越接近1相关度越高，进而通过相似度的值把评分低的召回抛弃掉，也就是常说的归一.。百度很多地方也没有解决， 只好去翻看langchain的文档和chromdb的官网。 

        闲话少说，上代码。

 # 持久化数据库并且关闭匿名化遥测数据
 client_settings = chromadb.config.Settings(anonymized_telemetry=False, is_persistent=True)
 # 向量模型设置cpu模式
 emb_fun = HuggingFaceEmbeddings(model_name= "GanymedeNil/text2vec-large-chinese", 
           model_kwargs={'device': "cpu"})
  """
  collection_name : 集合名称
  embedding_function: 向量模型,可以带着地址
  persist_directory 数据库地址
  client_settings 链接配置: 这里持久化数据库并且关闭匿名化遥测数据
  collection_metadata 集合配置: 这里指定了相似度匹配算法
  """
  db = Chroma(collection_name=collection_name, embedding_function=emb_fun,
                    persist_directory=persist_directory, client_settings=client_settings,
                    collection_metadata={"hnsw:space": "cosine"})
   # 查询归一化的距离
    r = db.similarity_search_with_relevance_scores(query=question, k=k, filter=_filter)
   # 相似度评分
   score = r[1]

   难者不会，会者不难，好在之前看过chromdb官网，不然被坑死。