Wprowadzenie
Wyszukiwanie semantyczne rozszerza standardowe wyszukiwanie słów kluczowych o podobieństwo semantyczne. Podobieństwo to oznacza, że zapytanie dotyczące "słonecznego" może odpowiadać tekstowi "jasnego światła naturalnego", mimo że nie ma nakładających się leksykalnie dłużej niż jedną literę. Zamiast podobieństwa znaków wyszukiwanie semantyczne używa wektorów osadzania generowanych przez sztuczną inteligencję (AI) do mierzenia podobieństwa zapytań i dokumentów, zapewniając bardziej istotne wyniki wyszukiwania.
W tym module pokazano, jak włączyć wyszukiwanie semantyczne na serwerze elastycznym usługi Azure Database for PostgreSQL oraz jak używać usługi Azure OpenAI do generowania osadzania wektorów.
Scenariusz
Załóżmy, że pracujesz w firmie, która zarządza ofertami nieruchomości urlopowych. Chcesz zezwolić klientom na wyszukiwanie ofert i książki w trybie online. Jednym z wyzwań jest wiele różnych słów, których używają ludzie, aby opisać to samo. Masz ograniczone zasoby do opracowywania i obsługi list słów kluczowych, ponieważ opisy zmieniają się, a właściwości przychodzą i idą, a ręczne wprowadzanie słów kluczowych jest podatne na błędy. Chcesz podać odpowiednie wyniki wyszukiwania bez ręcznych list słów kluczowych.
Cele szkolenia
Omówienie semantycznych wyszukiwań, osadzania i wektorowych baz danych. Następnie włączysz pgvector rozszerzenia i azure_ai . Dzięki tym rozszerzeniom wykonasz semantyczne wyszukiwanie w kolumnach wektorowych wygenerowanych na podstawie osadzania w usłudze Azure OpenAI przy użyciu azure_ai rozszerzenia . Na koniec piszesz funkcję wyszukiwania, która odbiera ciąg zapytania, generuje osadzanie dla tego zapytania i wykonuje semantyczne wyszukiwanie w bazie danych.
Po zakończeniu tej sesji możesz wykonywać wyszukiwania semantyczne przy użyciu elastycznej bazy danych serwera usługi Azure Database for PostgreSQL na potrzeby osadzania wektorów generowanych przez usługę Azure OpenAI.