Résumé
Vous créez un site de réservation de location de vacances. Les résultats de recherche de référencement doivent être pertinents pour tous les clients, et vous avez besoin de ressources supplémentaires pour augmenter manuellement les listes avec des mots clés pour les propriétés qui viennent et vont.
Vous avez appris à utiliser la recherche sémantique dans le serveur flexible Azure Database pour PostgreSQL pour interroger à l’aide d’incorporations générées par Azure OpenAI. Vous avez effectué cette recherche en procédant comme suit :
- Activation des extensions
vectoretazure_ai. - Création de colonnes vectorielles pour stocker des incorporations.
- Génération et stockage d’incorporations
- Interrogation de la base de données à l’aide d’un vecteur de requête.
Sans recherche sémantique, les requêtes telles que « ensoleillées » ne correspondent pas aux produits appelés « lumière naturelle brillante », même s’il s’agit d’une correspondance prévue. Bien que ce problème puisse être résolu en ajoutant des mots clés de produit supplémentaires, ce processus crée un problème lors de la création de listes de propriétés. Le produit peut être indiscoverable sans correspondance exacte de mot clé si les mots clés ne sont pas ajoutés.
Les annonces difficiles à trouver sont difficiles à réserver. Les résultats de recherche non pertinents dégradent l’expérience utilisateur et la maintenance manuelle des mots clés augmente les coûts humains. En revanche, Azure OpenAI automatise la correspondance de synonymes en générant des vecteurs d’incorporation, et Azure Database pour PostgreSQL effectue le travail lourd de requête vectorielle. Cette combinaison offre une expérience de recherche riche et pertinente sans optimisation fastidieuse des mots clés.