Введение

Семантический поиск расширяет стандартный поиск ключевых слов с семантическим сходством. Это сходство означает, что поиск по "солнечный" может соответствовать тексту "яркий естественный свет", несмотря на отсутствие лексического пересечения длиннее, чем одна буква. Вместо сходства символов семантический поиск использует векторы внедрения, созданные искусственным интеллектом (ИИ), для измерения сходства запросов и документов, предоставляя более релевантные результаты поиска.

В этом модуле показано, как включить семантический поиск на гибком сервере базы данных Azure для PostgreSQL и как использовать Azure OpenAI для создания векторных встраиваний.

Сценарий

Предположим, вы работаете в компании, которая управляет списками объектов недвижимости для отпуска. Вы хотите позволить клиентам искать и бронировать объявления онлайн. Одна проблема заключается в том, что многие разные слова люди используют для описания одной и той же вещи. У вас есть ограниченные ресурсы для разработки и поддержания списков ключевых слов, поскольку описания меняются, свойства приходят и уходят, а ручной ввод ключевых слов подвержен ошибкам. Вы хотите предоставить соответствующие результаты поиска без списков ключевых слов вручную.

Цели обучения

Вы получите обзор семантического поиска, внедрения и векторных баз данных. Затем включите pgvector и azure_ai расширения. С помощью этих расширений вы будете выполнять семантический поиск по векторным столбцам, созданным из внедрения Azure OpenAI с помощью azure_ai расширения. Наконец, вы напишете функцию поиска, которая получает строку запроса, создает внедрения для этого запроса и выполняет семантический поиск в базе данных.

К концу этого сеанса вы сможете выполнять семантические поиски, используя базу данных Azure для PostgreSQL с гибким сервером, на основе векторных представлений, созданных с помощью Azure OpenAI.