Hızlı Başlangıç: Azure portalını kullanarak metin ve görüntüleri vektörleştirme

Bu hızlı başlangıç, Azure portalındaki Verileri içeri aktarma ve vektörleştirme sihirbazını kullanarak tümleşik vektörleştirmeye başlamanıza yardımcı olur. Sihirbaz, içeriğinizi öbekler ve dizin oluşturma sırasında ve sorgular için içeriği vektörleştirmek için bir ekleme modeli çağırır.

Önkoşullar

• Azure aboneliği. Ücretsiz bir tane oluşturun.

• Azure AI ile aynı bölgede bir Azure yapay zeka Arama hizmeti. Temel katmanı veya üzerini öneririz.

• Sistem Durumu Planı PDF örnek belgeleriyle desteklenen bir veri kaynağı.

• Desteklenen bir ekleme modeli.

• Sihirbaz hakkında bilgi. Ayrıntılar için bkz . Azure portalında veri içeri aktarma sihirbazları.

Desteklenen veri kaynakları

Verileri içeri aktarma ve vektörleştirme sihirbazı çok çeşitli Azure veri kaynaklarını destekler, ancak bu hızlı başlangıçta yalnızca tüm dosyalarla çalışan veri kaynakları için adımlar sağlanır:

• Bloblar ve tablolar için Azure Blob Depolama. Azure Depolama standart bir performans (genel amaçlı v2) hesabı olmalıdır. Erişim katmanları sık erişimli, seyrek erişimli ve soğuk olabilir.

• Azure Data Lake Storage (ADLS) 2 . Nesil (hiyerarşik ad alanı etkinleştirilmiş bir Azure Depolama hesabı). Genel Bakış sayfasındaki Özellikler sekmesini denetleyerek Data Lake Storage'a sahip olduğunuzu onaylayabilirsiniz.

  

• OneLake lakehouse (önizleme).

Desteklenen ekleme modelleri

Azure AI Search ile aynı bölgedeki bir Azure yapay zeka platformunda ekleme modeli kullanın. Dağıtım yönergeleri bu makalede yer alır.

Provider	Desteklenen modeller
Azure OpenAI Hizmeti	metin ekleme-ada-002 metin ekleme-3-büyük metin ekleme-3-küçük
Azure AI Foundry model kataloğu	Metin için: Cohere-embed-v3-english Cohere-embed-v3-multilingual Görüntüler için: Facebook-DinoV2-Image-Embeddings-ViT-Base Facebook-DinoV2-Image-Embeddings-ViT-Giant
Azure AI hizmetleri çoklu hizmet hesabı	Seçili bölgelerde kullanılabilen görüntü ve metin vektörleştirmesi için Azure AI Vision çok modüllü. Çok hizmetli kaynağı nasıl eklediğinize bağlı olarak, çok hizmetli hesabın Azure AI Search ile aynı bölgede olması gerekebilir.

Azure OpenAI Hizmeti'ni kullanıyorsanız uç noktanın ilişkili bir özel alt etki alanı olmalıdır. Özel alt etki alanı, benzersiz bir ad (örneğin, https://hereismyuniquename.cognitiveservices.azure.com) içeren bir uç noktadır. Hizmet Azure portalı aracılığıyla oluşturulduysa, bu alt etki alanı hizmet kurulumunuzun bir parçası olarak otomatik olarak oluşturulur. Hizmetinizi Azure AI Search tümleştirmesiyle kullanmadan önce özel bir alt etki alanı içerdiğinden emin olun.

Azure AI Foundry portalında oluşturulan Azure OpenAI Hizmeti kaynakları (ekleme modellerine erişimi olan) desteklenmez. Yalnızca Azure portalında oluşturulan Azure OpenAI Hizmeti kaynakları, Azure OpenAI Ekleme beceri tümleştirmesiyle uyumludur.

Genel uç nokta gereksinimleri

Bu hızlı başlangıcın amaçları doğrultusunda, Azure portal düğümlerinin bunlara erişebilmesi için önceki tüm kaynakların genel erişimi etkinleştirilmelidir. Aksi takdirde sihirbaz başarısız olur. Sihirbaz çalıştırıldıktan sonra, güvenlik için tümleştirme bileşenlerinde güvenlik duvarlarını ve özel uç noktaları etkinleştirebilirsiniz. Daha fazla bilgi için bkz . İçeri aktarma sihirbazlarında güvenli bağlantılar.

Özel uç noktalar zaten varsa ve bunları devre dışı bırakamıyorsanız, alternatif seçenek sanal makinedeki bir betikten veya programdan ilgili uçtan uca akışı çalıştırmaktır. Sanal makine, özel uç noktayla aynı sanal ağda olmalıdır. Tümleşik vektörleştirme için bir Python kod örneği aşağıda verilmiştır. Aynı GitHub deposunda diğer programlama dillerinde örnekler bulunur.

İzinler

Rol atamalarıyla anahtar kimlik doğrulaması ve tam erişim bağlantı dizesi veya Microsoft Entra Id kullanabilirsiniz. Diğer kaynaklara yönelik arama hizmeti bağlantıları için rol atamaları öneririz.

1. Azure AI Search'te rolleri etkinleştirin.

2. Arama hizmetinizi yönetilen kimlik kullanacak şekilde yapılandırın.

3. Veri kaynağı platformunuzda ve ekleme modeli sağlayıcınızda, arama hizmetinin verilere ve modellere erişmesine olanak sağlayan rol atamaları oluşturun. Örnek verileri hazırlama, desteklenen her veri kaynağı için rol ayarlama yönergeleri sağlar.

Ücretsiz arama hizmeti, Azure AI Search'e yönelik rol tabanlı bağlantıları destekler, ancak Azure Depolama veya Azure AI Vision'a giden bağlantılarda yönetilen kimlikleri desteklemez. Bu destek düzeyi, ücretsiz arama hizmetiyle diğer Azure hizmetleri arasındaki bağlantılarda anahtar tabanlı kimlik doğrulaması kullanmanız gerektiği anlamına gelir.

Daha güvenli bağlantılar için:

• Temel katmanı veya üzerini kullanın.
• Yönetilen bir kimlik yapılandırın ve yetkili erişim için rolleri kullanın.

Not

Seçenekler kullanılamadığından sihirbazda ilerleyemiyorsanız (örneğin, veri kaynağı veya ekleme modeli seçemiyorsanız), rol atamalarını yeniden ziyaret edin. Hata iletileri modellerin veya dağıtımların mevcut olmadığını gösterir. Bunun asıl nedeni, arama hizmetinin bunlara erişim izni olmamasıdır.

Alan denetleme

Ücretsiz hizmetle başlıyorsanız üç dizin, veri kaynağı, beceri kümesi ve dizin oluşturucuyla sınırlısınız demektir. Temel, sizi 15 ile sınırlar. Başlamadan önce ek öğeler için yeriniz olduğundan emin olun. Bu hızlı başlangıçta her nesneden biri oluşturulur.

Örnek verileri hazırlama

Bu bölüm, bu hızlı başlangıç için uygun içeriği gösterir.

Azure Blob Depolama

1. Azure hesabınızla Azure portalında oturum açın ve Azure Depolama hesabınıza gidin.

2. Sol bölmedeki Veri Depolama'nın altında Kapsayıcılar'ı seçin.

3. Yeni bir kapsayıcı oluşturun ve ardından bu hızlı başlangıç için kullanılan sistem durumu planı PDF belgelerini karşıya yükleyin.

4. Sol bölmede, Erişim denetimi altında Depolama Blobu Veri Okuyucusu rolünü arama hizmeti kimliğine atayın. Alternatif olarak, Erişim anahtarları sayfasından depolama hesabına bir bağlantı dizesi alabilirsiniz.

5. İsteğe bağlı olarak, kapsayıcınızdaki silmeleri arama dizinindeki silme işlemleriyle eşitleyin. Aşağıdaki sonraki adımlar, dizin oluşturucuyu silme algılaması için yapılandırmanıza olanak sağlar:

   1. Depolama hesabınızda geçici silmeyi etkinleştirin.

   2. Yerel geçici silme kullanıyorsanız Azure Depolama'da başka adım gerekmez.

   3. Aksi takdirde, bir dizin oluşturucu tarafından hangi blobların silinmek üzere işaretlendiğini belirlemek için tarayabileceği özel meta veriler ekleyin. Özel özelliğinize açıklayıcı bir ad verin. Örneğin, özelliğini "IsDeleted" olarak adlandırabilir ve false olarak ayarlayabilirsiniz. Bunu kapsayıcıdaki her blob için yapın. Daha sonra blobu silmek istediğinizde özelliğini true olarak değiştirin. Daha fazla bilgi için bkz. Azure Depolama'dan dizin oluştururken algılamayı değiştirme ve silme

ADLS 2. Nesil

1. Azure hesabınızla Azure portalında oturum açın ve Azure Depolama hesabınıza gidin.

2. Sol bölmedeki Veri Depolama'nın altında Kapsayıcılar'ı seçin.

3. Yeni bir kapsayıcı oluşturun ve ardından bu hızlı başlangıç için kullanılan sistem durumu planı PDF belgelerini karşıya yükleyin.

4. Sol bölmede, Erişim denetimi altında Depolama Blobu Veri Okuyucusu rolünü arama hizmeti kimliğine atayın. Alternatif olarak, Erişim anahtarları sayfasından depolama hesabına bir bağlantı dizesi alabilirsiniz.

5. İsteğe bağlı olarak, kapsayıcınızdaki silmeleri arama dizinindeki silme işlemleriyle eşitleyin. Aşağıdaki sonraki adımlar, dizin oluşturucuyu silme algılaması için yapılandırmanıza olanak sağlar:

   1. Depolama hesabınızda geçici silmeyi etkinleştirin.

   2. Dizin oluşturucuların hangi blobların silindiğini belirlemek için tarayabileceği özel meta veriler ekleyin. Özel özelliğinize açıklayıcı bir ad verin. Örneğin, özelliğini "IsDeleted" olarak adlandırabilir ve false olarak ayarlayabilirsiniz. Bunu kapsayıcıdaki her blob için yapın. Daha sonra blobu silmek istediğinizde özelliğini true olarak değiştirin. Daha fazla bilgi için bkz. Azure Depolama'dan dizin oluştururken algılamayı değiştirme ve silme

OneLake

1. Power BI'da oturum açın ve bir çalışma alanı oluşturun.

2. Power BI'da soldaki menüden Çalışma Alanları'nı seçin ve oluşturduğunuz çalışma alanını açın.

3. Çalışma alanı düzeyinde izinler atayın:

   1. Sağ üst menüde Erişimi yönet'i seçin.

   2. Kişi veya grup ekle'yi seçin.

   3. Arama hizmetinizin adını girin. Örneğin, URL ise https://my-demo-service.search.windows.net, arama hizmeti adı şeklindedir my-demo-service.

   4. Rol seçin. Varsayılan değer Görüntüleyici'dir, ancak verileri arama dizinine çekmek için Katkıda Bulunan'a ihtiyacınız vardır.

4. Örnek verileri yükleyin:

   1. Sol alt taraftaki Power BI değiştiricisinden Veri Madenciliği'ı seçin.

   2. Veri Madenciliği bölmesinde Lakehouse'u seçerek bir göl evi oluşturun.

   3. Bir ad girin ve oluştur'u seçerek yeni lakehouse'u oluşturun ve açın.

   4. Dosyaları karşıya yükle'yi seçin ve ardından bu hızlı başlangıç için kullanılan sistem durumu planı PDF belgelerini karşıya yükleyin.

5. Lakehouse'dan ayrılmadan önce URL'yi kopyalayın veya sihirbazda göl evi belirtebilmeniz için çalışma alanı ve lakehouse kimliklerini alın. URL biçimi şu şekildedir: https://msit.powerbi.com/groups/00000000-0000-0000-0000-000000000000/lakehouses/11111111-1111-1111-1111-111111111111?experience=power-bi.

Ekleme modellerini ayarlama

Sihirbaz, Azure OpenAI, Azure AI Vision veya Azure AI Foundry portalındaki model kataloğundan dağıtılan ekleme modellerini kullanabilir.

Azure OpenAI

Sihirbaz text-embedding-ada-002, text-embedding-3-large ve text-embedding-3-small'ı destekler. Sihirbaz dahili olarak Azure OpenAI'ye bağlanmak için AzureOpenAIEmbedding becerisini çağırır.

1. Azure hesabınızla Azure portalında oturum açın ve Azure OpenAI kaynağınıza gidin.

2. İzinleri ayarlama:

   1. Sol menüde Erişim denetimi'ni seçin.

   2. Ekle'yi ve ardından Rol ataması ekle'yi seçin.

   3. İş işlevi rolleri'nin altında Bilişsel Hizmetler OpenAI Kullanıcısı'nın ardından İleri'yi seçin.

   4. Üyeler'in altında Yönetilen kimlik'i ve ardından Üyeler'i seçin.

   5. Aboneliğe ve kaynak türüne (arama hizmetleri) göre filtreleyin ve arama hizmetinizin yönetilen kimliğini seçin.

   6. Gözden geçir + ata'yı seçin.

3. Genel Bakış sayfasında Uç noktaları görüntülemek için buraya tıklayın'ı veya bir uç nokta veya API anahtarı kopyalamanız gerekiyorsa anahtarları yönetmek için buraya tıklayın'ı seçin. Anahtar tabanlı kimlik doğrulamasına sahip bir Azure OpenAI kaynağı kullanıyorsanız bu değerleri sihirbaza yapıştırabilirsiniz.

4. Kaynak Yönetimi ve Model dağıtımları'nın altında Dağıtımları Yönet'i seçerek Azure AI Foundry'yi açın.

5. veya başka bir desteklenen ekleme modelinin text-embedding-ada-002 dağıtım adını kopyalayın. Ekleme modeliniz yoksa şimdi bir tane dağıtın.

Azure AI Vision

Sihirbaz, çok modüllü eklemeler (sürüm 4.0) aracılığıyla Azure AI Vision görüntüsü almayı destekler. Sihirbaz, Azure AI Vision'a bağlanmak için dahili olarak çok modüllü ekleme becerisini çağırır.

1. Desteklenen bir bölgede Azure AI Vision hizmeti oluşturun.

2. Azure AI Arama hizmeti'nizin aynı bölgede olduğundan emin olun.

3. Hizmet dağıtıldıktan sonra kaynağa gidin ve Arama hizmetinizin yönetilen kimliğine Bilişsel Hizmetler Kullanıcı rolünü atamak için Erişim denetimi'ni seçin. İsteğe bağlı olarak, bağlantı için anahtar tabanlı kimlik doğrulamasını kullanabilirsiniz.

Bu adımları tamamladıktan sonra Verileri içeri aktarma ve vektörleştirme sihirbazında Azure AI Vision vektörleştiricisini seçebilmeniz gerekir.

Not

Azure AI Vision vektörleştiricisini seçemiyorsanız desteklenen bir bölgede Azure AI Vision kaynağınız olduğundan emin olun. Ayrıca arama hizmetinizin yönetilen kimliğinin Bilişsel Hizmetler Kullanıcı izinlerine sahip olduğundan emin olun.

Azure AI Foundry model kataloğu

Sihirbaz Azure AI Foundry model kataloğunda Azure, Cohere ve Facebook ekleme modellerini destekler, ancak şu anda OpenAI CLIP modellerini desteklemez. Sihirbaz dahili olarak kataloğa bağlanmak için AML becerisini çağırır.

1. Model kataloğu için bir Azure OpenAI kaynağınız, Azure AI Foundry portalında bir hub'nız ve bir projeniz olmalıdır. Aynı ada sahip hub'lar ve projeler bağlantı bilgilerini ve izinleri paylaşabilir.

2. Projenizdeki model kataloğuna bir ekleme modeli dağıtın.

   1. Modeller + Uç Noktalar'ı ve ardından Model dağıt'ı seçin. Temel modeli dağıt'ı seçin.
   2. Çıkarım görevi Eklemeler olarak ayarlanmış şekilde filtreleyin.
   3. Desteklenen ekleme modellerinden birini dağıtın.

Sihirbazı başlatma

1. Azure hesabınızla Azure portalında oturum açın ve Azure yapay zeka Arama hizmeti gidin.

2. Genel Bakış sayfasında Verileri içeri aktar ve vektörleştir'i seçin.

   

Verilerinize bağlanma

Sonraki adım, arama dizini için kullanılacak bir veri kaynağına bağlanmaktır.

Azure Blob Depolama

1. Verilerinize bağlanın'da Azure Blob Depolama'yi seçin.

2. Azure aboneliğini belirtin.

3. Verileri sağlayan depolama hesabını ve kapsayıcıyı seçin.

4. Silme algılama desteği isteyip istemediğinizi belirtin. Sonraki dizin oluşturma çalıştırmalarında arama dizini, Azure Depolama'da geçici olarak silinen blobları temel alan tüm arama belgelerini kaldıracak şekilde güncelleştirilir.

   • Bloblar, özel verileri kullanarak Yerel blob geçici silmeyi veya Geçici silmeyi destekler.
   • Daha önce Azure Depolama'da geçici silmeyi etkinleştirmiş ve isteğe bağlı olarak dizin oluşturmanın silme bayrağı olarak tanıyabileceği özel meta veriler eklemiş olmanız gerekir. Bu adımlar hakkında daha fazla bilgi için bkz . Örnek verileri hazırlama.
   • Bloblarınızı özel verileri kullanarak geçici silme için yapılandırdıysanız, bu adımda meta veri özelliği ad-değer çiftini sağlayın. "IsDeleted" önerilir. Bir blobda "IsDeleted" true olarak ayarlanırsa, dizin oluşturucu sonraki dizin oluşturucu çalıştırmasına karşılık gelen arama belgesini bırakır.

   Sihirbaz geçerli ayarlar için Azure Depolama'yı denetlemez veya gereksinimler karşılanmazsa hata oluşturmaz. Bunun yerine, silme algılaması çalışmaz ve arama dizininizin zaman içinde yalnız bırakılmış belgeleri toplaması olasıdır.

   

5. Arama hizmetinizin yönetilen kimliğini kullanarak Azure Depolama'ya bağlanmasını isteyip istemediğinizi belirtin.

   • Sistem tarafından yönetilen veya kullanıcı tarafından yönetilen bir kimlik seçmeniz istenir.
   • Kimliğin Azure Depolama'da bir Depolama Blob Veri Okuyucusu rolü olmalıdır.
   • Bu adımı atlamayın. Sihirbaz Azure Depolama'ya bağlanamıyorsa dizin oluşturma sırasında bir bağlantı hatası oluşur.

6. İleri'yi seçin.

ADLS 2. Nesil

1. Verilerinize bağlanın sayfasında Azure Data Lake'i seçin.

2. Azure aboneliğini belirtin.

3. Verileri sağlayan depolama hesabını ve kapsayıcıyı seçin.

4. Silme algılama desteği isteyip istemediğinizi belirtin. Sonraki dizin oluşturma çalıştırmalarında arama dizini, Azure Depolama'da geçici olarak silinen blobları temel alan tüm arama belgelerini kaldıracak şekilde güncelleştirilir.

   • Azure AI Search'te ADLS 2. Nesil dizin oluşturucuları yalnızca özel veri kullanarak geçici silme yaklaşımını destekler.
   • Daha önce Azure Depolama'da geçici silmeyi etkinleştirmiş ve dizin oluşturmanın silme bayrağı olarak tanıyabileceği özel meta veriler eklemiş olmanız gerekir. Bu adımlar hakkında daha fazla bilgi için bkz . Örnek verileri hazırlama.
   • Silme algılaması için oluşturduğunuz meta veri özelliğini sağlayın. "IsDeleted" önerilir. Bir blobda "IsDeleted" true olarak ayarlanırsa, dizin oluşturucu sonraki dizin oluşturucu çalıştırmasına karşılık gelen arama belgesini bırakır.

   Sihirbaz geçerli ayarlar için Azure Depolama'yı denetlemez veya gereksinimler karşılanmazsa hata oluşturmaz. Bunun yerine, silme algılaması çalışmaz ve arama dizininizin zaman içinde yalnız bırakılmış belgeleri toplaması olasıdır.

   

5. Arama hizmetinizin yönetilen kimliğini kullanarak Azure Depolama'ya bağlanmasını isteyip istemediğinizi belirtin.

   • Sistem tarafından yönetilen veya kullanıcı tarafından yönetilen bir kimlik seçmeniz istenir.
   • Kimliğin Azure Depolama'da bir Depolama Blob Veri Okuyucusu rolü olmalıdır.
   • Bu adımı atlamayın. Sihirbaz Azure Depolama'ya bağlanamıyorsa dizin oluşturma sırasında bir bağlantı hatası oluşur.

6. İleri'yi seçin.

OneLake

OneLake dizin oluşturma desteği önizleme aşamasındadır. Desteklenen kısayollar ve sınırlamalar hakkında daha fazla bilgi için bkz. (OneLake dizin oluşturma).

1. Verilerinize bağlanın sayfasında OneLake'i seçin.

2. Bağlantı türünü belirtin:

   • Lakehouse URL'si
   • Çalışma Alanı Kimliği ve Lakehouse Kimliği

3. OneLake için lakehouse URL'sini belirtin veya çalışma alanı ile lakehouse kimliklerini sağlayın.

4. Arama hizmetinizin sistem veya kullanıcı tarafından yönetilen kimliğini kullanarak OneLake'e bağlanmasını isteyip istemediğinizi belirtin. OneLake'e yönelik arama bağlantıları için yönetilen kimlik ve roller kullanmanız gerekir.

5. İleri'yi seçin.

Metninizi vektörleştirme

Bu adımda, öbeklenmiş verileri vektörleştirmek için ekleme modelini belirtin.

Öbek oluşturma yerleşiktir ve yapılandırılamaz. Geçerli ayarlar şunlardır:

JSON

"textSplitMode": "pages",
"maximumPageLength": 2000,
"pageOverlapLength": 500,
"maximumPagesToTake": 0, #unlimited
"unit": "characters"

1. Metninizi vektörleştirin sayfasında ekleme modelinin kaynağını seçin:

   • Azure OpenAI
   • Azure AI Foundry model kataloğu
   • Azure AI Search ile aynı bölgede bulunan mevcut bir Azure AI Vision çok modüllü kaynağı. Aynı bölgede Azure AI Services çoklu hizmet hesabı yoksa bu seçenek kullanılamaz.

2. Azure aboneliğini seçin.

3. Kaynağa göre seçim yapın:

   • Azure OpenAI için text-embedding-ada-002, text-embedding-3-large veya text-embedding-3-small dağıtımını seçin.

   • Azure AI Foundry kataloğu için azure veya birlikte ekleme modelinin mevcut dağıtımını seçin.

   • AI Vision çok modüllü eklemeler için hesabı seçin.

   Daha fazla bilgi için bu makalenin önceki bölümlerinde yer alan Ekleme modellerini ayarlama bölümüne bakın.

4. Arama hizmetinizin BIR API anahtarı veya yönetilen kimlik kullanarak kimlik doğrulaması yapmak isteyip istemediğinizi belirtin.

   • Kimlik, Azure AI çoklu hizmetler hesabında Bilişsel Hizmetler Kullanıcı rolüne sahip olmalıdır.

5. Bu kaynakları kullanmanın faturalama etkilerini onaylayan onay kutusunu seçin.

   

6. İleri'yi seçin.

Görüntülerinizi vektörleştirin ve zenginleştirin

Sağlık planı PDF'leri kurumsal bir logo içerir, ancak aksi takdirde görüntü yoktur. Örnek belgeleri kullanıyorsanız bu adımı atlayabilirsiniz.

Ancak yararlı görüntüler içeren içerikle çalışıyorsanız yapay zekayı iki yolla uygulayabilirsiniz:

• Katalogdan desteklenen bir görüntü ekleme modeli kullanın veya görüntüleri vektörleştirmek için Azure AI Vision çok modüllü eklemeLER API'sini seçin.

• Resimlerdeki metni tanımak için optik karakter tanıma (OCR) kullanın. Bu seçenek, görüntülerden metin okumak için OCR becerisini çağırır.

Azure AI Search ve Azure AI kaynağınızın aynı bölgede olması veya anahtarsız faturalama bağlantıları için yapılandırılmış olması gerekir.

1. Görüntülerinizi vektörleştirin sayfasında, sihirbazın yapması gereken bağlantı türünü belirtin. Görüntü vektörleştirme için sihirbaz Azure AI Foundry portalında veya Azure AI Vision'da ekleme modellerine bağlanabilir.

2. Aboneliği belirtin.

3. Azure AI Foundry model kataloğu için projeyi ve dağıtımı belirtin. Daha fazla bilgi için bu makalenin önceki bölümlerinde yer alan Ekleme modellerini ayarlama bölümüne bakın.

4. İsteğe bağlı olarak, ikili görüntüleri (örneğin, taranmış belge dosyaları) kırabilir ve metni tanımak için OCR kullanabilirsiniz.

5. Bu kaynakları kullanmanın faturalama etkilerini onaylayan onay kutusunu seçin.

   

6. İleri'yi seçin.

Anlamsal derecelendirme ekleme

Gelişmiş ayarlar sayfasında, isteğe bağlı olarak sorgu yürütmenin sonunda sonuçları yeniden kırpmak için anlamsal derecelendirme ekleyebilirsiniz. Yeniden boyutlandırma, en ilgili eşlemeleri en üste yükseltir.

Yeni alanları eşleme

Bu adımla ilgili önemli noktalar:

• Dizin şeması, öbeklenmiş veriler için vektör ve seçici olmayan alanlar sağlar.
• Alan ekleyebilirsiniz, ancak oluşturulan alanları silemez veya değiştiremezsiniz.
• Belge ayrıştırma modu öbekler oluşturur (öbek başına bir arama belgesi).

Gelişmiş ayarlar sayfasında, veri kaynağının ilk geçişte alınmamış meta veriler veya alanlar sağladığını varsayarak isteğe bağlı olarak yeni alanlar ekleyebilirsiniz. Varsayılan olarak, sihirbaz şu özniteliklere sahip aşağıdaki alanları oluşturur:

Alan	Şunlar için geçerlidir:	Açıklama
chunk_id	Metin ve görüntü vektörleri	Oluşturulan dize alanı. Aranabilir, alınabilir, sıralanabilir. Bu, dizinin belge anahtarıdır.
text_parent_id	Metin vektörleri	Oluşturulan dize alanı. Alınabilir, filtrelenebilir. Öbek kaynağı olan üst belgeyi tanımlar.
parça	Metin ve görüntü vektörleri	Dize alanı. Veri öbeklerinin okunabilir sürümü. Aranabilir ve alınabilir, ancak filtrelenebilir, modellenebilir veya sıralanabilir değildir.
başlık	Metin ve görüntü vektörleri	Dize alanı. İnsan tarafından okunabilir belge başlığı, sayfa başlığı veya sayfa numarası. Aranabilir ve alınabilir, ancak filtrelenebilir, modellenebilir veya sıralanabilir değildir.
text_vector	Metin vektörleri	Collection(Edm.single). Öbek vektör gösterimi. Aranabilir ve alınabilir, ancak filtrelenebilir, modellenebilir veya sıralanabilir değildir.

Oluşturulan alanları veya özniteliklerini değiştiremezsiniz, ancak veri kaynağınız bunları sağlıyorsa yeni alanlar ekleyebilirsiniz. Örneğin, Azure Blob Depolama bir meta veri alanları koleksiyonu sağlar.

1. Yeni ekle'yi seçin.

2. Kullanılabilir alanlar listesinden bir kaynak alan seçin, dizin için bir alan adı sağlayın ve varsayılan veri türünü kabul edin veya gerektiğinde geçersiz kılın.

   Meta veri alanları aranabilir, ancak alınamaz, filtrelenebilir, modellenebilir veya sıralanabilir değildir.

3. Şemayı özgün sürümüne geri yüklemek istiyorsanız Sıfırla'yı seçin.

Dizin oluşturmayı zamanlama

Gelişmiş ayarlar sayfasında, isteğe bağlı olarak dizin oluşturucu için bir çalıştırma zamanlaması belirtebilirsiniz.

1. Gelişmiş ayarlar sayfasıyla işiniz bittiğinde İleri'yi seçin.

Sihirbazı tamamlama

1. Yapılandırmanızı gözden geçirin sayfasında, sihirbazın oluşturduğu nesneler için bir ön ek belirtin. Ortak bir ön ek düzenli kalmanıza yardımcı olur.

2. Oluştur'u belirleyin.

Sihirbaz yapılandırmayı tamamladığında aşağıdaki nesneleri oluşturur:

• Veri kaynağı bağlantısı.

• Vektör alanları, vektörleştiriciler, vektör profilleri ve vektör algoritmaları içeren dizin. Sihirbaz iş akışı sırasında varsayılan dizini tasarlayamaz veya değiştiremezsiniz. Dizinler 2024-05-01-preview REST API'sine uygundur.

• Öbekleme için Metin Bölme becerisini ve vektörleştirme için ekleme becerisini içeren beceri kümesi. Ekleme becerisi, Azure OpenAI için AzureOpenAIEmbeddingModel becerisi veya Azure AI Foundry model kataloğu için AML becerisidir. Beceri kümesi ayrıca verilerin veri kaynağındaki bir belgeden "alt" dizindeki karşılık gelen öbeklerine eşlenmesine olanak tanıyan dizin projeksiyonları yapılandırmasına sahiptir.

• Alan eşlemeleri ve çıkış alanı eşlemeleri olan dizin oluşturucu (varsa).

Sonuçları denetleme

Arama Gezgini metin dizelerini giriş olarak kabul eder ve ardından vektör sorgu yürütmesi için metni vektörleştirir.

1. Azure portalında Arama Yönetimi>Dizinleri'ne gidin ve oluşturduğunuz dizini seçin.

2. Sorgu seçenekleri'ni seçin ve arama sonuçlarında vektör değerlerini gizleyin. Bu adım, arama sonuçlarınızın daha kolay okunmasını sağlar.

   

3. Vektör sorgusu parametresinde vektör sorgunuzun text metnini girebilmeniz için Görünüm menüsünde JSON görünümünü seçin.

   

   Varsayılan sorgu boş bir aramadır ()"*" ancak sayı eşleşmelerini döndürmek için parametreler içerir. Metin ve vektör sorgularını paralel olarak çalıştıran karma bir sorgu. Anlamsal derecelendirmeyi içerir. Deyimi aracılığıyla select sonuçlarda döndürülecek alanları belirtir.

   JSON

    {
      "search": "*",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "*",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title,image_parent_id"
    }
   

4. Her iki yıldız işareti (*) yer tutucusunu da gibi Which plan has the lowest deductible?sistem durumu planlarıyla ilgili bir soruyla değiştirin.

   JSON

    {
      "search": "Which plan has the lowest deductible?",
      "count": true,
      "vectorQueries": [
        {
          "kind": "text",
          "text": "Which plan has the lowest deductible?",
          "fields": "text_vector,image_vector"
        }
      ],
      "queryType": "semantic",
      "semanticConfiguration": "my-demo-semantic-configuration",
      "captions": "extractive",
      "answers": "extractive|count-3",
      "queryLanguage": "en-us",
      "select": "chunk_id,text_parent_id,chunk,title"
    }
   

5. Sorguyu çalıştırmak için Ara'yı seçin.

   

   Her belge, özgün PDF'nin bir öbekleridir. Alanında title öbek hangi PDF'den geldiği gösterilir. Her chunk biri oldukça uzun. Değerin tamamını okumak için bir metin düzenleyicisine kopyalayıp yapıştırabilirsiniz.

6. Belirli bir belgedeki tüm öbekleri görmek için, belirli bir PDF'nin title_parent_id alanı için bir filtre ekleyin. Bu alanın filtrelenebilir olduğunu onaylamak için dizininizin Alanlar sekmesini de kontrol edebilirsiniz.

   JSON

   {
      "select": "chunk_id,text_parent_id,chunk,title",
      "filter": "text_parent_id eq 'aHR0cHM6Ly9oZWlkaXN0c3RvcmFnZWRlbW9lYXN0dXMuYmxvYi5jb3JlLndpbmRvd3MubmV0L2hlYWx0aC1wbGFuLXBkZnMvTm9ydGh3aW5kX1N0YW5kYXJkX0JlbmVmaXRzX0RldGFpbHMucGRm0'",
      "count": true,
      "vectorQueries": [
          {
             "kind": "text",
             "text": "*",
             "k": 5,
             "fields": "text_vector"
          }
       ]
   }
   

Temizleme

Azure AI Search faturalanabilir bir kaynaktır. Artık ihtiyacınız yoksa ücretlerden kaçınmak için aboneliğinizden silin.

Sonraki adım

Bu hızlı başlangıçta tümleşik vektörleştirme için gerekli tüm nesneleri oluşturan Verileri içeri aktarma ve vektörleştirme sihirbazı tanıtıldı. Her adımı ayrıntılı olarak incelemek istiyorsanız tümleşik vektörleştirme örneğini deneyin.