Zusammenfassung

Abgeschlossen

Sie erstellen eine Buchungswebsite für Ferienwohnungen. Das Auflisten von Suchergebnissen muss für alle Kunden relevant sein und Sie benötigen weitere Ressourcen, um Einträge manuell mit Schlüsselwörtern für Eigenschaften, die kommen und gehen, zu erweitern.

Sie haben erfahren, wie Sie die semantische Suche in Azure Database for PostgreSQL – Flexible Server verwenden, um mithilfe von Einbettungen Abfragen durchzuführen, die von Azure OpenAI generiert wurden. Sie haben diese Suche durchgeführt, indem Sie:

• Die vector- und azure_ai-Erweiterungen aktivieren.
• Vektorspalten zum Speichern von Einbettungen erstellen.
• Einbettungen generieren und speichern.
• Die Datenbank mithilfe eines Abfragevektors abfragen.

Ohne semantische Suche stimmen Abfragen wie „sonnig“ nicht mit Produkten überein, die als „helles natürliches Licht“ bezeichnet werden, obwohl es eine beabsichtigte Übereinstimmung ist. Obwohl dieses Problem durch Hinzufügen zusätzlicher Produktstichwörter gelöst werden könnte, verursacht dieser Prozess ein Problem beim Erstellen neuer Eigenschaftenauflistungen. Das Produkt kann ohne genaue Schlüsselwort-Übereinstimmung nicht auffindbar sein, wenn die Schlüsselwörter nicht hinzugefügt werden.

Einträge, die schwer zu finden sind, sind schwer zu buchen. Irrelevante Suchergebnisse beeinträchtigen die Benutzererfahrung, und die manuelle Schlüsselwortwartung erhöht die Personalkosten. Andererseits automatisiert Azure OpenAI die Synonymübereinstimmung durch das Generieren von Einbettungsvektoren, und die Azure Database for PostgreSQL führt die rechenintensive Vektorabfrage durch. Diese Kombination bietet eine umfangreiche und relevante Sucherfahrung ohne mühsame Stichwortoptimierung.