소개
의미 체계 검색은 의미 체계 유사성을 통해 표준 키워드 검색을 강화합니다. 이러한 유사성은 한 문자보다 긴 어휘 중복이 없더라도 "sunny"에 대한 쿼리가 "bright natural light"라는 텍스트와 일치할 수 있음을 의미합니다. 의미 체계 검색은 문자 유사성 대신 AI(인공 지능)가 생성한 포함 벡터를 사용하여 쿼리 및 문서 유사성을 측정하여 보다 관련성이 높은 검색 결과를 제공합니다.
이 모듈에서는 Azure Database for PostgreSQL 유연한 서버에서 의미 체계 검색을 사용하도록 설정하는 방법과 Azure OpenAI를 사용하여 포함 벡터를 생성하는 방법을 보여 줍니다.
시나리오
휴가 속성 목록을 관리하는 회사에서 근무한다고 가정해 보겠습니다. 고객이 온라인으로 목록을 검색하고 예약할 수 있도록 하려고 합니다. 한 가지 문제는 사람들이 동일한 것을 설명하기 위해 사용하는 다양한 단어입니다. 설명이 변경되고 속성이 왔다 갔다함에 따라 키워드 목록을 개발하고 유지 관리할 수 있는 리소스가 제한되어 있으며 수동 키워드 입력은 오류가 발생하기 쉽습니다. 수동으로 키워드 목록을 작성하지 않고도 관련 검색 결과를 제공하려고 합니다.
학습 목표
의미 체계 검색, 포함 및 벡터 데이터베이스에 대한 개요를 가져올 수 있습니다. 그런 다음 pgvector 및 azure_ai 확장을 사용하도록 설정합니다. 이러한 확장을 사용하면 azure_ai 확장을 사용하여 Azure OpenAI 포함에서 생성된 벡터 열에 대해 의미 체계 검색을 실행합니다. 마지막으로 쿼리 문자열을 수신하고, 해당 쿼리에 대한 포함을 생성하고, 데이터베이스에 대해 의미 체계 검색을 실행하는 검색 함수를 작성합니다.
이 세션이 끝나면 Azure OpenAI에서 생성된 포함 벡터에 대해 Azure Database for PostgreSQL 유연한 서버 데이터베이스를 사용하여 의미 체계 검색을 실행할 수 있습니다.