Bevezetés
A szemantikai keresés a standard kulcsszókeresést szemantikai hasonlósággal bővíti. Ez a hasonlóság azt jelenti, hogy a "napos" lekérdezés megfelelhet a "világos természetes fény" szövegnek, annak ellenére, hogy egy betűnél hosszabb lexikális átfedés nincs. A karakter-hasonlóság helyett a szemantikai keresés mesterséges intelligencia (AI) által előállított beágyazási vektorokat használ a lekérdezések és a dokumentumok hasonlóságának mérésére, és relevánsabb keresési eredményeket biztosít.
Ez a modul bemutatja, hogyan engedélyezheti a szemantikai keresést a rugalmas Azure Database for PostgreSQL-kiszolgálón, és hogyan használhatja az Azure OpenAI-t vektoros beágyazások létrehozására.
Forgatókönyv
Tegyük fel, hogy egy olyan vállalatnál dolgozik, amely kezeli a nyaralási ingatlanok listáját. Azt szeretné, hogy az ügyfelek online kereshessenek és foglalhassák le a hirdetéseket. Az egyik kihívás az a sok különböző szó, amelyet az emberek ugyanazt a dolgot írják le. A kulcsszólisták fejlesztéséhez és karbantartásához korlátozott erőforrásokat használhat, mivel a leírások változnak, a tulajdonságok pedig változnak, és a manuális kulcsszóbejegyzés hibalehetőséget jelent. A releváns keresési eredményeket manuális kulcsszólisták nélkül szeretné megadni.
Tanulási célkitűzések
Áttekintést kaphat a szemantikai keresésről, a beágyazásokról és a vektoradatbázisokról. Ezután engedélyezi a pgvector és azure_ai bővítményeket. Ezekkel a bővítményekkel szemantikai keresést fog végrehajtani az Azure OpenAI-beágyazásokból létrehozott vektoroszlopok között a azure_ai bővítmény használatával. Végül megír egy keresési függvényt, amely egy lekérdezési sztringet fogad, beágyazásokat hoz létre a lekérdezéshez, és szemantikai keresést hajt végre az adatbázison.
A munkamenet végére képes szemantikai kereséseket végrehajtani egy rugalmas Azure Database for PostgreSQL-kiszolgálóadatbázis használatával az Azure OpenAI által létrehozott vektorbeágyazásokon.