Partilhar via

Tutorial: Criar um sistema de recomendação com o Banco de Dados do Azure para PostgreSQL e Azure OpenAI

Este tutorial prático mostra como criar um aplicativo de recomendação usando o Banco de Dados do Azure para PostgreSQL e Azure OpenAI. As recomendações têm aplicações em diferentes domínios. Os provedores de serviços tendem a fornecer recomendações para produtos e serviços que oferecem com base no histórico anterior e em informações contextuais coletadas do cliente e do ambiente.

Existem várias maneiras de modelar sistemas de recomendação. Este tutorial explora a forma mais simples: uma recomendação baseada em um produto que corresponde (por exemplo) a uma compra prévia. Este tutorial usa o conjunto de dados de receita que o tutorial para pesquisa semântica usa. A recomendação é para receitas baseadas em uma receita que um cliente gostou ou pesquisou no passado.

Pré-requisitos

  1. Crie uma conta OpenAI e solicite acesso ao Azure OpenAI.
  2. Conceda acesso ao Azure OpenAI na assinatura desejada.
  3. Conceda permissões para criar recursos do Azure OpenAI e implantar modelos.
  4. Crie e implante um recurso e um modelo do Azure OpenAI. Implante o modelo de incorporação text-embedding-ada-002. Copie o nome da implementação, pois precisas dele para criar embeddings.

Habilite as extensões azure_ai e pgvector

Antes de habilitar azure_ai e pgvector em sua instância de servidor flexível do Banco de Dados do Azure para PostgreSQL, você precisa adicioná-los à sua lista de permissões. Certifique-se de que eles foram adicionados corretamente executando SHOW azure.extensions;.

Em seguida, você pode instalar a extensão conectando-se ao seu banco de dados de destino e executando o comando CREATE EXTENSION . Repita o comando separadamente para cada banco de dados onde você deseja que a extensão esteja disponível.

CREATE EXTENSION azure_ai;
CREATE EXTENSION vector;

Configurar um endpoint e uma chave OpenAI

Nos serviços de IA do Azure, sob Gestão de Recursos>Chaves e Pontos de Extremidade, pode encontrar o ponto de extremidade e as chaves do seu recurso de IA do Azure. Use o endpoint e uma das chaves para ativar a azure_ai extensão para invocar a implantação do modelo.

select azure_ai.set_setting('azure_openai.endpoint','https://<endpoint>.openai.azure.com');
select azure_ai.set_setting('azure_openai.subscription_key', '<API Key>');

Faça o download dos dados

Faça o download dos dados do Kaggle.

Criar a tabela

Conecte-se ao seu servidor e crie um test banco de dados. Nesse banco de dados, use o seguinte comando para criar uma tabela na qual você importará dados:

CREATE TABLE public.recipes(
    rid integer NOT NULL,
    recipe_name text,
    prep_time text,
    cook_time text,
    total_time text,
    servings integer,
    yield text,
    ingredients text,
    directions text,
    rating real,
    url text,
    cuisine_path text,
    nutrition text,
    timing text,
    img_src text,
    PRIMARY KEY (rid)
);

Importar os dados

Defina a seguinte variável de ambiente na janela do cliente para definir a codificação como UTF-8. Esta etapa é necessária porque esse conjunto de dados específico usa a codificação do Windows-1252.

Rem on Windows
Set PGCLIENTENCODING=utf-8;

# on Unix based operating systems
export PGCLIENTENCODING=utf-8

Importe os dados para a tabela que você criou. Observe que esse conjunto de dados contém uma linha de cabeçalho.

psql -d <database> -h <host> -U <user> -c "\copy recipes FROM <local recipe data file> DELIMITER ',' CSV HEADER"

Adicionar uma coluna para armazenar as incorporações

Adicione uma coluna de incorporação à tabela:

ALTER TABLE recipes ADD COLUMN embedding vector(1536);

Gerar incorporações

Gere incorporações para seus dados usando a azure_ai extensão. O exemplo a seguir vetoriza alguns campos, que são então concatenados.

WITH ro AS (
    SELECT ro.rid
    FROM
        recipes ro
    WHERE
        ro.embedding is null
        LIMIT 500
)
UPDATE
    recipes r
SET
    embedding = azure_openai.create_embeddings('text-embedding-ada-002', r.recipe_name||' '||r.cuisine_path||' '||r.ingredients||' '||r.nutrition||' '||r.directions)
FROM
    ro
WHERE
    r.rid = ro.rid;

Repita o comando até que não haja mais linhas para processar.

Gorjeta

Brinque com o LIMIT valor. Com um valor alto, a instrução pode falhar no meio do caminho devido à limitação que o Azure OpenAI impõe. Se a instrução falhar, aguarde pelo menos um minuto e execute o comando novamente.

Crie uma função de pesquisa na sua base de dados para conveniência:

create function
    recommend_recipe(sampleRecipeId int, numResults int)
returns table(
            out_recipeName text,
            out_nutrition text,
            out_similarityScore real)
as $$
declare
    queryEmbedding vector(1536);
    sampleRecipeText text;
begin
    sampleRecipeText := (select
                            recipe_name||' '||cuisine_path||' '||ingredients||' '||nutrition||' '||directions
                        from
                            recipes where rid = sampleRecipeId);

    queryEmbedding := (azure_openai.create_embeddings('text-embedding-ada-002',sampleRecipeText));

    return query
    select
        distinct r.recipe_name,
        r.nutrition,
        (r.embedding <=> queryEmbedding)::real as score
    from
        recipes r
    order by score asc limit numResults; -- cosine distance
end $$
language plpgsql;

Agora é só invocar a função para procurar a recomendação:

select out_recipename, out_similarityscore from recommend_recipe(1, 20); -- search for 20 recipe recommendations that closest to recipeId 1

E explore os resultados:

            out_recipename             | out_similarityscore
---------------------------------------+---------------------
 Apple Pie by Grandma Ople             |                   0
 Easy Apple Pie                        |          0.05137232
 Grandma's Iron Skillet Apple Pie      |         0.054287136
 Old Fashioned Apple Pie               |         0.058492836
 Apple Hand Pies                       |          0.06449003
 Apple Crumb Pie                       |          0.07290977
 Old-Fashioned Apple Dumplings         |         0.078374185
 Fried Apple Pies                      |          0.07918481
 Apple Pie Filling                     |         0.084320426
 Apple Turnovers                       |          0.08576391
 Dutch Apple Pie with Oatmeal Streusel |          0.08779895
 Apple Crisp - Perfect and Easy        |          0.09170883
 Delicious Cinnamon Baked Apples       |          0.09384012
 Easy Apple Crisp with Pie Filling     |          0.09477234
 Jump Rope Pie                         |          0.09503954
 Easy Apple Strudel                    |         0.095167875
 Apricot Pie                           |          0.09634114
 Easy Apple Crisp with Oat Topping     |          0.09708358
 Baked Apples                          |          0.09826993
 Pear Pie                              |         0.099974394
(20 rows)

Conteúdos relacionados

  • Last updated on