Den här webbläsaren stöds inte längre.
Uppgradera till Microsoft Edge för att dra nytta av de senaste funktionerna, säkerhetsuppdateringarna och teknisk support.
Välj det bästa svaret för var och en av frågorna.
Semantisk sökning använder textinbäddningar för att fastställa resultatrelevans. Vad är en inbäddningsvektor?
En matris med n tal som avbildar textens betydelse.
En matris med n ord som sammanfattar textens betydelse.
En matris med n textsträngar inbäddade i texten.
Ett programs textdata lagras i en flexibel Azure Database for PostgreSQL-server. Programmet behöver en vektordatabas för att lagra textinbäddningarna och utföra en semantisk sökning. Vad är det enklaste databasvalet?
Använd Azure Database for PostgreSQL.
Använd Vector Database i Azure Cosmos DB för MongoDB.
Använd Azure AI Searchs vektorarkiv.
Ett program har lagrat inbäddningsvektorer i en flexibel PostgreSQL-serverdatabas och är redo att köra frågor mot dem. Användaren har angett en frågesträng. Vilket är det enklaste sättet att köra en semantisk sökning?
Programmet anropar en lagrad funktion för att returnera rankade resultat.
Använd Azure OpenAI Embeddings API i programmet och använd resultatet som en frågeparameter för att rangordna cosinniska avstånd.
Använd Azure AI Searchs integrerade vektorisering för att generera frågeinbäddningen och använda SQL-in-line.
Du måste svara på alla frågor innan du kontrollerar ditt arbete.
Var den här sidan till hjälp?
Behöver du hjälp med det här avsnittet?
Vill du prova att använda Ask Learn för att förtydliga eller vägleda dig genom det här ämnet?