소개

  • 2분

의미 체계 검색은 의미 체계 유사성을 사용하여 표준 키워드 검색을 보강합니다. 이러한 유사성은 "sunny"에 대한 쿼리가 한 문자보다 긴 어휘 겹침이 없더라도 텍스트 "밝은 자연광"과 일치할 수 있음을 의미합니다. 의미 체계 검색은 문자 유사성 대신 AI(인공 지능)에서 생성된 포함 벡터를 사용하여 쿼리 및 문서 유사성을 측정하여 더 관련성이 큰 검색 결과를 제공합니다.

이 모듈에서는 Azure Database for PostgreSQL 유연한 서버에서 의미 체계 검색을 사용하도록 설정하는 방법과 Azure OpenAI를 사용하여 벡터 포함을 생성하는 방법을 보여 줍니다.

벡터 및 azure_ai 확장이 있는 Azure Database의 다이어그램

시나리오

휴가용 숙소 목록을 관리하는 회사에서 근무한다고 가정해 보겠습니다. 고객이 온라인으로 목록을 검색하고 예약할 수 있도록 허용하려고 합니다. 한 가지 과제는 사람들이 같은 것을 설명하기 위해 사용하는 다양한 단어입니다. 설명이 변경되고 속성이 들어오고 이동함에 따라 키워드 목록을 개발하고 유지 관리하는 리소스가 제한되어 있으며 수동 키워드 항목은 오류가 발생하기 쉽습니다. 수동 키워드 목록 없이 관련 검색 결과를 제공하려고 합니다.

학습 목표

의미 체계 검색, 포함 및 벡터 데이터베이스에 대한 개요를 확인할 수 있습니다. 그런 다음, pgvector 및 azure_ai 확장을 사용하도록 설정합니다. 이러한 확장 기능을 사용하면 azure_ai 확장을 사용하여 Azure OpenAI 임베딩에서 생성된 벡터 열에 대해 의미적 검색을 실행할 수 있습니다. 마지막으로 쿼리 문자열을 수신하고, 해당 쿼리에 대한 포함을 생성하고, 데이터베이스에 대한 의미 체계 검색을 실행하는 검색 함수를 작성합니다.

이 세션이 끝나면 Azure OpenAI에서 생성된 벡터 포함에 대해 Azure Database for PostgreSQL 유연한 서버 데이터베이스를 사용하여 의미 체계 검색을 실행할 수 있습니다.