Introdução
A pesquisa semântica aumenta a pesquisa de palavra-chave padrão com similaridade semântica. Essa semelhança significa que uma consulta por "ensolarado" pode corresponder ao texto "luz natural brilhante", mesmo que não haja sobreposição lexical maior que uma letra. Em vez de similaridade de caractere, a pesquisa semântica usa a inserção de vetores produzidos pela IA (inteligência artificial) para medir a similaridade da consulta e do documento, fornecendo resultados de pesquisa mais relevantes.
Este módulo mostra como habilitar a pesquisa semântica no servidor flexível do Banco de Dados do Azure para PostgreSQL e como usar o Azure OpenAI para gerar inserções de vetor.
Cenário
Suponha que você trabalhe em uma empresa que gerencia listagens de propriedades de férias. Você deseja permitir que os clientes pesquisem e reservem anúncios online. Um desafio são as muitas palavras diferentes que as pessoas usam para descrever a mesma coisa. Você tem recursos limitados para desenvolver e manter listas de palavras-chave à medida que as descrições mudam e as propriedades vêm e vão, e a entrada de palavra-chave manual é propensa a erros. Você deseja fornecer resultados de pesquisa relevantes sem listas de palavras-chave manuais.
Objetivos de aprendizagem
Você obtém uma visão geral da pesquisa semântica, das inserções e dos bancos de dados de vetor. Em seguida, você habilita as extensões pgvector e azure_ai. Com essas extensões, você executará uma pesquisa semântica sobre colunas de vetor geradas a partir de inserções do Azure OpenAI usando a azure_ai extensão. Por fim, você escreve uma função de pesquisa que recebe uma cadeia de caracteres de consulta, gera inserções para essa consulta e executa uma pesquisa semântica no banco de dados.
No final desta sessão, você poderá executar pesquisas semânticas usando um banco de dados flexível Azure Database for PostgreSQL em relação a incorporações de vetores geradas pelo Azure OpenAI.