요약

  • 2분

휴가용 임대 예약 사이트를 구축하고 있습니다. 목록 검색 결과는 모든 고객과 관련이 있어야 하며, 오고 가는 속성에 대한 키워드를 사용하여 목록을 수동으로 보강하려면 더 많은 리소스가 필요합니다.

Azure Database for PostgreSQL Flexible Server에서 시맨틱 검색을 사용하여 Azure OpenAI에서 생성된 임베딩을 이용한 쿼리 방법에 대해 알아보았습니다. 다음을 통해 이 검색을 수행했습니다.

  • vector 및 azure_ai 확장을 사용하도록 설정합니다.
  • 벡터 열을 만들어 임베딩을 저장하기
  • 임베딩 생성 및 저장
  • 쿼리 벡터를 사용하여 데이터베이스 쿼리

의미 체계 검색이 없으면 "sunny"와 같은 쿼리는 의도된 일치 항목임에도 불구하고 "밝은 자연광"이라는 제품과 일치하지 않습니다. 이 문제는 추가 제품 키워드를 추가하여 해결할 수 있지만 이 프로세스는 새 속성 목록을 만들 때 문제를 만듭니다. 키워드가 추가되지 않은 경우 정확한 키워드 일치 없이 제품을 검색할 수 없습니다.

찾기 어려운 목록은 예약하기 어렵습니다. 관련이 없는 검색 결과는 사용자 환경을 저하시키고 수동 키워드 유지 관리는 인적 비용을 증가합니다. 반면, Azure OpenAI는 포함 벡터를 생성하여 동의어 일치를 자동화하고, Azure Database for PostgreSQL은 벡터 쿼리를 많이 수행합니다. 이 조합은 지루한 키워드 최적화 없이 풍부한 관련 검색 환경을 제공합니다.