벡터 검색이란?

벡터 검색은 검색 인덱스에서 벡터 포함을 인덱싱하고 저장하고 검색하는 데 사용되는 AI 검색 기능입니다. 벡터 검색을 사용하여 RAG(검색 증강 생성) 아키텍처, 유사성 및 다중 모달 검색 또는 추천 엔진을 구현하는 애플리케이션을 구동할 수 있습니다.

다음은 벡터 검색을 위한 인덱싱 및 쿼리 워크플로의 그림입니다.

벡터 쿼리는 기계 학습 모델에서 생성된 콘텐츠의 수학적 표현을 제공하여 다양한 유형의 원본 데이터에 대한 기준을 일치시키는 데 사용할 수 있습니다. 이는 쿼리의 의도를 사용하여 관련 결과를 반환하는 텍스트 기반 검색의 한계를 없애줍니다.

벡터 검색을 사용하는 경우

다음은 벡터 검색을 사용해야 하는 몇 가지 시나리오입니다.

OpenAI 또는 오픈 소스 모델을 사용하여 텍스트를 인코딩하고 벡터로 인코딩된 쿼리를 사용하여 문서를 검색합니다.
인코딩된 이미지, 텍스트, 비디오 및 오디오 또는 이들의 혼합(다중 모달)에서 유사성 검색을 수행합니다.
다국어 포함 모델을 사용해 다른 언어로 된 문서를 표현하여 어떤 언어로 된 문서든 검색합니다.
벡터 검색이 필드 수준에서 구현될 때 벡터 및 검색 가능한 텍스트 필드에서 검색되는 하이브리드를 빌드합니다. 하나의 응답을 반환하기 위해 결과가 병합됩니다.
텍스트 및 숫자 필드에 필터를 적용하고 이를 쿼리에 포함시켜 벡터 검색에서 처리해야 하는 데이터를 줄입니다.
외부 기술 자료를 제공하거나 장기 메모리로 사용하기 위해 벡터 데이터베이스를 만듭니다.

벡터 검색을 사용하는 경우 다음과 같은 몇 가지 제한 사항을 염두에 둬야 합니다.

Azure AI 검색에서는 콘텐츠에 대해 포함을 생성하지 않으므로 Azure OpenAI 또는 유사한 오픈 소스 솔루션을 사용하여 포함을 제공해야 합니다.
CMK(고객 관리형 키)는 지원되지 않습니다.
적용 가능한 저장 한도가 있으므로 본인의 서비스 할당량에서 제공하는 내용을 확인해야 합니다.

참고 항목

문서가 큰 경우 청크 분할을 고려합니다. 자세한 내용은 AI 검색의 벡터 검색 솔루션을 위한 대용량 설명서 청크 설명서를 참조합니다.