Resumo
Você está construindo um site de reserva de aluguel de férias. A listagem de resultados da pesquisa deve ser relevante para todos os clientes e você precisa de mais recursos para aumentar manualmente as listagens com palavras-chave para propriedades que vêm e vão.
Você aprendeu a usar a pesquisa semântica no Banco de Dados do Azure para PostgreSQL Servidor Flexível para consultar usando inserções geradas pelo OpenAI do Azure. Você realizou esta pesquisa:
- Habilitando as extensões
vectoreazure_ai. - Criando colunas de vetor para armazenar inserções.
- Gerando e armazenando inserções.
- Consultando o banco de dados usando um vetor de consulta.
Sem pesquisa semântica, consultas como "ensolaradas" não correspondem a produtos chamados "luz natural brilhante", embora seja uma correspondência pretendida. Embora esse problema possa ser resolvido adicionando palavras-chave de produto extras, esse processo cria um problema ao criar novas listagens de propriedades. O produto pode não ser encontrado sem que uma palavra-chave exata corresponda, se as palavras-chave não forem adicionadas.
Listagens difíceis de encontrar são difíceis de reservar. Os resultados irrelevantes da pesquisa degradam a experiência do usuário e a manutenção manual de palavras-chave aumenta os custos humanos. Por outro lado, o OpenAI do Azure automatiza a correspondência de sinônimos gerando vetores de inserção e o Banco de Dados do Azure para PostgreSQL faz o trabalho pesado da consulta de vetores. Essa combinação fornece uma experiência de pesquisa avançada e relevante sem otimização de palavra-chave tediosa.