Ringkasan
Anda sedang membangun situs pemesanan sewa liburan. Daftar hasil pencarian harus relevan untuk semua pelanggan, dan Anda memerlukan lebih banyak sumber daya untuk memperkaya daftar secara manual dengan kata kunci untuk properti yang berganti-ganti.
Anda mempelajari tentang menggunakan pencarian semantik di Azure Database for PostgreSQL Flexible Server untuk melakukan kueri dengan menggunakan embedding yang dihasilkan oleh Azure OpenAI. Anda menyelesaikan pencarian ini dengan:
- Mengaktifkan ekstensi
vectordanazure_ai. - Membuat kolom vektor untuk menyimpan embedding.
- Menghasilkan dan menyimpan embedding.
- Mengkueri database menggunakan vektor kueri.
Tanpa pencarian semantik, pencarian seperti "cerah" tidak cocok dengan produk yang disebut "cahaya alami yang terang", meskipun itu adalah kecocokan yang dimaksudkan. Meskipun masalah ini dapat diselesaikan dengan menambahkan kata kunci produk tambahan, proses ini membuat masalah saat membuat daftar properti baru. Produk mungkin tidak dapat ditemukan tanpa kecocokan kata kunci yang tepat jika kata kunci tidak ditambahkan.
Daftar yang sulit ditemukan akan sulit untuk dipesan. Hasil pencarian yang tidak relevan menurunkan pengalaman pengguna, dan pemeliharaan kata kunci manual meningkatkan biaya manusia. Di sisi lain, Azure OpenAI mengotomatiskan pencocokan sinonim dengan menghasilkan vektor penyematan, dan Azure Database for PostgreSQL melakukan sebagian besar pekerjaan kueri vektor. Kombinasi ini memberikan pengalaman pencarian yang kaya & relevan tanpa pengoptimalan kata kunci yang membosankan.