소개
데이터베이스에서 관련 정보를 찾으려면 일치하는 키워드 이상이 필요한 경우가 많습니다. 사용자는 단어뿐만 아니라 개념을 검색합니다. "경량 하이킹 백팩"을 찾는 고객은 제품이 "초경량 트레일 백"으로 나열된 경우 아무것도 찾을 수 없습니다. SQL Server 및 Azure SQL Database는 키워드 일치에 대한 전체 텍스트 검색, 의미 체계 유사성에 대한 벡터 검색 및 둘 다를 결합하는 하이브리드 검색과 같은 여러 가지 검색 방법을 제공합니다.
전체 텍스트 검색은 사용자가 원하는 특정 용어를 알고 있을 때 탁월합니다. 벡터 검색은 임베딩을 사용하여 정확한 단어가 다른 경우에도 의미를 기반으로 콘텐츠를 찾습니다. 하이브리드 검색은 두 가지 방법을 모두 실행하고 결과를 병합하여 사용자에게 두 세계의 최고를 제공합니다. 올바른 방법을 선택하는 방법은 사용자가 검색하는 방법과 정밀도, 재현율 및 성능 간에 허용할 수 있는 장차에 따라 달라집니다.
제품 검색 기능을 빌드하는 소매 팀을 상상해 보십시오. 그들은 제품 설명과 지원 문서에 대한 임베딩이 저장되어 있습니다. 이제 고객이 제품 및 답변을 빠르게 찾는 데 도움이 되는 검색 기능이 필요합니다. 일부 고객은 정확한 제품 이름을 입력합니다. 다른 사람들은 자연어로 필요한 것을 설명합니다. 팀은 애플리케이션이 두 패턴을 효과적으로 처리하도록 하이브리드 검색을 구현하기로 결정하고, 키워드 일치에 전체 텍스트 인덱스를 사용하고 의미 체계 유사성에 대한 벡터 검색을 사용합니다.
이 모듈을 완료하면 다음을 수행할 수 있습니다.
- 다양한 쿼리 유형에 적합한 방법을 선택하려면 전체 텍스트 검색, 벡터 검색 및 하이브리드 검색을 평가합니다.
- 전체 텍스트 인덱스 및 쿼리 조건자를 사용하여 전체 텍스트 검색을 구현합니다.
- 포함 항목을 저장하고 거리 메트릭을 선택하여 벡터 검색을 위해 SQL 데이터베이스를 준비합니다.
- VECTOR_DISTANCE 및 VECTOR_SEARCH 함수를 사용하여 벡터 검색 쿼리를 작성합니다.
- RRF(상호 순위 Fusion)를 사용하여 전체 텍스트 및 벡터 검색 결과를 결합합니다.
메모
우리는 다른 사람들이 다른 방법으로 배우는 것을 좋아한다는 것을 알고 있습니다. 이 모듈을 비디오 기반 형식으로 완료하도록 선택하거나 콘텐츠를 텍스트 및 이미지로 읽을 수 있습니다. 텍스트는 비디오보다 더 자세한 내용을 포함하므로 경우에 따라 비디오 프레젠테이션에 대한 추가 자료로 참조할 수 있습니다.