Zusammenfassung

Abgeschlossen

Sie erstellen eine Buchungswebsite für Ferienwohnungen. Das Auflisten von Suchergebnissen muss für alle Kunden relevant sein, und Sie benötigen weitere Ressourcen, um Einträge manuell mit Schlüsselwörtern für eigenschaften zu erweitern, die kommen und gehen.

Sie haben erfahren, wie Sie die semantische Suche in azure Database for PostgreSQL Flexible Server verwenden, um mithilfe von Einbettungen abzufragen, die von Azure OpenAI generiert wurden. Sie haben diese Suche durchgeführt, indem Sie:

• Aktivieren der vector Und azure_ai Erweiterungen.
• Erstellen von Vektorspalten zum Speichern von Einbettungen.
• Generieren und Speichern von Einbettungen.
• Abfragen der Datenbank mithilfe eines Abfragevektors.

Ohne semantische Suche stimmen Abfragen wie "sunny" nicht mit Produkten überein, die als "helles natürliches Licht" bezeichnet werden, obwohl es eine beabsichtigte Übereinstimmung ist. Obwohl dieses Problem durch Hinzufügen zusätzlicher Produktstichwörter gelöst werden könnte, verursacht dieser Prozess ein Problem beim Erstellen neuer Eigenschaftenauflistungen. Das Produkt kann ohne eine genaue Übereinstimmung der Schlüsselwörter nicht auffindbar sein, wenn die Schlüsselwörter nicht hinzugefügt werden.

Einträge, die schwer zu finden sind, sind schwer zu buchen. Irrelevante Suchergebnisse beeinträchtigen die Benutzererfahrung, und die manuelle Schlüsselwortwartung erhöht die menschlichen Kosten. Andererseits automatisiert Azure OpenAI die Synonymübereinstimmung durch das Generieren von Einbettungsvektoren, und die Azure-Datenbank für PostgreSQL übernimmt die Hauptarbeit bei der Vektorabfrage. Diese Kombination bietet eine umfangreiche und relevante Sucherfahrung ohne mühsame Stichwortoptimierung.