Ezt a böngészőt már nem támogatjuk.
Frissítsen a Microsoft Edge-re, hogy kihasználhassa a legújabb funkciókat, a biztonsági frissítéseket és a technikai támogatást.
Válassza ki a legjobb választ az egyes kérdésekre.
A szemantikai keresés szöveges beágyazásokkal határozza meg a találatok relevanciáját. Mi az a beágyazási vektor?
N számok tömbje, amely rögzíti a szöveg jelentését.
A szöveg jelentését összegző n szavak tömbje.
A szövegbe beágyazott n szöveges sztringek tömbje.
Az alkalmazás szöveges adatait egy rugalmas Azure Database for PostgreSQL-kiszolgálón tárolja a rendszer. Az alkalmazásnak vektoradatbázisra van szüksége a szövegbeágyazások tárolásához és szemantikai keresés végrehajtásához. Mi a legegyszerűbb adatbázis-választás?
Használja az Azure Database for PostgreSQL-t.
A Vector Database használata a MongoDB-hez készült Azure Cosmos DB-ben.
Használja az Azure AI Search vektortárolóját.
Egy alkalmazás beágyazási vektorokat tárolt egy rugalmas PostgreSQL-kiszolgálóadatbázisban, és készen áll a lekérdezésükre. A felhasználó megadott egy lekérdezési sztringet. Mi a szemantikai keresés legegyszerűbb módja?
Az alkalmazás egy tárolt függvényt hív meg a rangsorolt eredmények visszaadásához.
Az Azure OpenAI Embeddings API használata az alkalmazásban, és az eredmény lekérdezési paraméterként való használata a koszinusz távolságának rangsorolásához.
Az Azure AI Search integrált vektorizálásával generálhatja a lekérdezésbeágyazást, és használhatja a soron belüli SQL-t.
A munka ellenőrzése előtt minden kérdésre válaszolnia kell.
Hasznosnak találta ezt az oldalt?
Segítségre van szüksége ezzel a témakörrel kapcsolatban?
Szeretné kipróbálni az Ask Learn használatát a témakör tisztázásához vagy áttekintéséhez?