Compartir vía

Tutorial: Creación de un sistema de recomendaciones con Azure Database for PostgreSQL y Azure OpenAI

En este tutorial práctico se muestra cómo crear una aplicación de recomendación mediante Azure Database for PostgreSQL y Azure OpenAI. Las recomendaciones tienen aplicaciones en dominios diferentes. Los proveedores de servicios tienden a proporcionar recomendaciones para productos y servicios que ofrecen en función del historial anterior e información contextual recopilada del cliente y el entorno.

Hay varias maneras de modelar sistemas de recomendación. En este tutorial se explora la forma más sencilla: una recomendación basada en un producto que corresponde a (por ejemplo) una compra anterior. En este tutorial se usa el conjunto de datos de recetas que usa el tutorial para la búsqueda semántica . La recomendación es para las recetas basadas en una receta que a un cliente le gustaba o buscaba en el pasado.

Requisitos previos

  1. Cree una cuenta de OpenAI y solicite acceso a Azure OpenAI.
  2. Conceda acceso a Azure OpenAI en la suscripción deseada.
  3. Conceda permisos para crear recursos de Azure OpenAI e implementar modelos.
  4. Cree e implemente un recurso de Azure OpenAI y un modelo. Implemente las incrustaciones del modelo text-embeding-ada-002. Copie el nombre de implementación, ya que lo necesita para crear incrustaciones.

Habilitar las extensiones azure_ai y pgvector

Para poder habilitar azure_ai y pgvector en la instancia de servidor flexible de Azure Database for PostgreSQL, debe agregarlos a la lista de permitidos. Asegúrese de que se han agregado correctamente ejecutando SHOW azure.extensions;.

A continuación, puede instalar la extensión conectándose a la base de datos de destino y ejecutando el comando CREATE EXTENSION . Repita el comando por separado para cada base de datos donde quiera que la extensión esté disponible.

CREATE EXTENSION azure_ai;
CREATE EXTENSION vector;

Configuración de un punto de conexión y una clave de OpenAI

En los servicios de Azure AI, en Administración de recursos>Claves y puntos de conexión, puede encontrar el punto de conexión y las claves de su recurso de Azure AI. Use el punto de conexión y una de las claves para permitir que la azure_ai extensión invoque la implementación del modelo:

select azure_ai.set_setting('azure_openai.endpoint','https://<endpoint>.openai.azure.com');
select azure_ai.set_setting('azure_openai.subscription_key', '<API Key>');

Descarga de los datos

Descargue los datos de Kaggle.

Creación de la tabla

Conéctese al servidor y cree una test base de datos. En esa base de datos, use el siguiente comando para crear una tabla en la que importará los datos:

CREATE TABLE public.recipes(
    rid integer NOT NULL,
    recipe_name text,
    prep_time text,
    cook_time text,
    total_time text,
    servings integer,
    yield text,
    ingredients text,
    directions text,
    rating real,
    url text,
    cuisine_path text,
    nutrition text,
    timing text,
    img_src text,
    PRIMARY KEY (rid)
);

Importación de los datos

Establezca la siguiente variable de entorno en la ventana de cliente para establecer la codificación en UTF-8. Este paso es necesario porque este conjunto de datos determinado usa la codificación Windows-1252.

Rem on Windows
Set PGCLIENTENCODING=utf-8;

# on Unix based operating systems
export PGCLIENTENCODING=utf-8

Importe los datos en la tabla que creó. Tenga en cuenta que este conjunto de datos contiene una fila de encabezado.

psql -d <database> -h <host> -U <user> -c "\copy recipes FROM <local recipe data file> DELIMITER ',' CSV HEADER"

Adición de una columna para almacenar las inserciones

Agregue una columna de inserción a la tabla:

ALTER TABLE recipes ADD COLUMN embedding vector(1536);

Generación de inserciones

Genere representaciones para sus datos mediante la extensión azure_ai. En el ejemplo siguiente se vectorizan algunos campos y se concatenan.

WITH ro AS (
    SELECT ro.rid
    FROM
        recipes ro
    WHERE
        ro.embedding is null
        LIMIT 500
)
UPDATE
    recipes r
SET
    embedding = azure_openai.create_embeddings('text-embedding-ada-002', r.recipe_name||' '||r.cuisine_path||' '||r.ingredients||' '||r.nutrition||' '||r.directions)
FROM
    ro
WHERE
    r.rid = ro.rid;

Repita el comando hasta que no haya más filas que procesar.

Sugerencia

Juega con el valor LIMIT. Con un valor alto, es posible que la instrucción produzca un error a mitad de camino debido a la limitación que impone Azure OpenAI. Si se produce un error en la instrucción, espere al menos un minuto y vuelva a ejecutar el comando.

Cree una función de búsqueda en la base de datos para mayor comodidad:

create function
    recommend_recipe(sampleRecipeId int, numResults int)
returns table(
            out_recipeName text,
            out_nutrition text,
            out_similarityScore real)
as $$
declare
    queryEmbedding vector(1536);
    sampleRecipeText text;
begin
    sampleRecipeText := (select
                            recipe_name||' '||cuisine_path||' '||ingredients||' '||nutrition||' '||directions
                        from
                            recipes where rid = sampleRecipeId);

    queryEmbedding := (azure_openai.create_embeddings('text-embedding-ada-002',sampleRecipeText));

    return query
    select
        distinct r.recipe_name,
        r.nutrition,
        (r.embedding <=> queryEmbedding)::real as score
    from
        recipes r
    order by score asc limit numResults; -- cosine distance
end $$
language plpgsql;

Ahora simplemente invoque la función para buscar la recomendación:

select out_recipename, out_similarityscore from recommend_recipe(1, 20); -- search for 20 recipe recommendations that closest to recipeId 1

Y explore los resultados:

            out_recipename             | out_similarityscore
---------------------------------------+---------------------
 Apple Pie by Grandma Ople             |                   0
 Easy Apple Pie                        |          0.05137232
 Grandma's Iron Skillet Apple Pie      |         0.054287136
 Old Fashioned Apple Pie               |         0.058492836
 Apple Hand Pies                       |          0.06449003
 Apple Crumb Pie                       |          0.07290977
 Old-Fashioned Apple Dumplings         |         0.078374185
 Fried Apple Pies                      |          0.07918481
 Apple Pie Filling                     |         0.084320426
 Apple Turnovers                       |          0.08576391
 Dutch Apple Pie with Oatmeal Streusel |          0.08779895
 Apple Crisp - Perfect and Easy        |          0.09170883
 Delicious Cinnamon Baked Apples       |          0.09384012
 Easy Apple Crisp with Pie Filling     |          0.09477234
 Jump Rope Pie                         |          0.09503954
 Easy Apple Strudel                    |         0.095167875
 Apricot Pie                           |          0.09634114
 Easy Apple Crisp with Oat Topping     |          0.09708358
 Baked Apples                          |          0.09826993
 Pear Pie                              |         0.099974394
(20 rows)

Contenido relacionado

  • Last updated on