Sammanfattning

  • 2 minuter

Du bygger en bokningswebbplats för semesteruthyrning. Att visa sökresultat måste vara relevant för alla kunder och du behöver fler resurser för att manuellt utöka listor med nyckelord för egenskaper som kommer och går.

Du har lärt dig hur du använder semantisk sökning i Azure Database for PostgreSQL – flexibel server för att fråga med inbäddningar som genereras av Azure OpenAI. Du har utfört den här sökningen genom att:

  • Aktivera tilläggen vector och azure_ai .
  • Skapa vektorkolumner för att lagra inbäddningar.
  • Generera och lagra inbäddningar.
  • Köra frågor mot databasen med hjälp av en frågevektor.

Utan semantisk sökning matchar frågor som "soligt" inte produkter som kallas "starkt naturligt ljus" även om det är en avsedd matchning. Det här problemet kan lösas genom att lägga till extra produktnyckelord, men den här processen skapar ett problem när du skapar nya egenskapslistor. Produkten kan vara oupptäckt utan en exakt nyckelordsmatchning om nyckelorden inte läggs till.

Listor som är svåra att hitta är svåra att boka. Irrelevanta sökresultat försämrar användarupplevelsen och manuellt nyckelordsunderhåll ökar de mänskliga kostnaderna. Å andra sidan automatiserar Azure OpenAI synonymmatchning genom att generera inbäddningsvektorer, och Azure Database for PostgreSQL utför vektorfrågan med tunga lyft. Den här kombinationen ger en omfattande och relevant sökupplevelse utan omständlig nyckelordsoptimering.