イントロダクション

完了済み

多くの場合、データベース内で関連情報を検索するには、一致するキーワード以上のものが必要です。 ユーザーは単語だけでなく概念を検索します。 「軽量ハイキングバックパック」を探しているお客様は、製品が「超軽量トレイルバッグ」としてリストされている場合、何も見つからない可能性があります。SQL Server と Azure SQL Database には、キーワード 一致のフルテキスト検索、セマンティック類似性のベクター検索、両方を組み合わせたハイブリッド検索など、これらの課題に対処するための複数の検索方法が用意されています。

フルテキスト検索は、ユーザーが目的の特定の用語を知っている場合に優れています。 ベクター検索では、正確な単語が異なる場合でも、埋め込みを使用して意味に基づいてコンテンツを検索します。 ハイブリッド検索は両方のアプローチを実行し、結果をマージして、ユーザーに両方の長所を提供します。 適切なアプローチの選択は、ユーザーが検索する方法と、精度、再現率、パフォーマンスの間で許容できるトレードオフによって異なります。

製品検索機能を構築している小売チームを想像してみてください。 製品の説明とサポート記事用に埋め込みを保存しています。 顧客が製品や回答をすばやく見つけるのに役立つ検索機能が必要になりました。 一部のお客様は、正確な製品名を入力します。 他の人は、自然言語で必要なものを記述します。 チームは、キーワード マッチングにフルテキスト インデックスを使用し、セマンティック類似性のベクター検索を使用して、アプリケーションが両方のパターンを効果的に処理できるように、ハイブリッド検索を実装することにしました。

このモジュールを完了すると、次のことができるようになります。

  • さまざまなクエリの種類に適したアプローチを選択するには、フルテキスト検索、ベクター検索、ハイブリッド検索を評価します。
  • フルテキスト インデックスとクエリ述語を使用してフルテキスト検索を実装します。
  • 埋め込みを格納し、距離メトリックを選択して、ベクター検索用の SQL データベースを準備します。
  • VECTOR_DISTANCE関数とVECTOR_SEARCH関数を使用してベクター検索クエリを記述します。
  • 逆ランク 融合 (RRF) を使用して、フルテキスト検索結果とベクター検索結果を結合します。

Note

私たちは、異なる人々が異なる方法で学ぶのが好きであることを認識しています。 このモジュールをビデオベースの形式で完了するか、コンテンツをテキストと画像として読み取ることができます。 テキストにはビデオよりも詳細な情報が含まれているため、ビデオ プレゼンテーションの補足資料として参照したい場合があります。