Поиск по эмбеддингам в Weaviate

О чём урок

Этот notebook проведет вас через простой процесс загрузки данных, их embedding, а затем индексации и поиска с использованием различных векторных баз данных. Это распространенное требование для клиентов, желающих хранить и искать наши embeddings со своими собственными данными в безопасной среде для поддержки производственных сценариев использования, таких как чат-боты, тематическое моделирование и многое другое. Векторная база данных — это база данных, предназначенная для хранения, управления и поиска векторов embedding. Использование embeddings для кодирования неструктурированных данных (текст, аудио, видео и прочее) в виде векторов для потребления моделями машинного обучения стремительно возросло в последние годы благодаря растущей эффективности ИИ в решении задач, связанных с естественным языком, распознаванием изображений и другими неструктурированными формами данных. Векторные базы данных стали эффективным решением для предприятий по реализации и масштабированию этих сценариев использования. Векторные базы данных позволяют предприятиям использовать многие из сценариев применения embeddings, которыми мы поделились в этом репозитории (например, ответы на вопросы, чат-боты и рекомендательные сервисы), и применять их в безопасной, масштабируемой среде. Многие наши клиенты используют embeddings для решения своих задач в небольших масштабах, но производительность и безопасность мешают им внедрять решения в production — мы рассматриваем векторные базы данных как ключевой компонент в решении этой проблемы, и в этом руководстве мы рассмотрим основы embedding текстовых данных, их хранения в векторной базе данных и использования для семантического поиска. Порядок демонстрации следующий: Настройка: Импорт пакетов и установка необходимых переменных данных: набора данных и их embedding с использованием embeddings OpenAI Weaviate Настройка: Здесь мы настроим Python client для Weaviate. Для получения дополнительной информации перейдите сюда Индексация данных: Мы создадим индекс с поисковыми векторами title Поиск данных: Мы выполним несколько поисковых запросов, чтобы убедиться в работоспособности После прохождения этого notebook вы получите базовое представление о том, как настраивать и использовать векторные базы данных, и сможете перейти к более сложным сценариям использования наших embeddings.

План урока

1. Что такое векторная база данных
2. Зачем использовать векторную базу данных
3. Порядок демонстрации
4. Настройка
5. Загрузка данных
6. Weaviate
7. Подход «используй свои векторы»
8. Автоматическая векторизация с модулем OpenAI