Generar embeddings de texto

La extensión google_ml_integration incluye funciones de inserción en dos espacios de nombres diferentes: public y google_ml. En esta página se describe cómo generar inserciones de texto mediante funciones de estos espacios de nombres.

La función embedding() del esquema public se puede usar con cualquier modelo de inserción de Vertex AI sin registrar el endpoint. Si quiere enviar información personalizada, como el tipo de tarea, registre el endpoint y, a continuación, use la función google_ml.embedding() en el esquema google_ml. Para obtener más información sobre cómo registrar un endpoint, consulta Registrar un modelo.

Cómo funcionan las inserciones

Imagina una base de datos que se ejecuta en AlloyDB con las siguientes características:

  • La base de datos contiene una tabla, items. Cada fila de esta tabla describe un artículo que vende tu empresa.

  • La tabla items contiene una columna, complaints. En esta columna TEXT se almacenan las reclamaciones de los compradores registradas sobre cada artículo.

  • La base de datos se integra con Vertex AI Model Garden, lo que le da acceso a los modelos en gemini-embedding-001inglés.

Aunque esta base de datos almacena reclamaciones sobre artículos, estas reclamaciones se almacenan como texto sin formato, lo que dificulta las consultas. Por ejemplo, para ver qué artículos han recibido más quejas de clientes que han recibido un color incorrecto, puede realizar consultas de SQL normales en la tabla que busquen varias coincidencias de palabras clave. Sin embargo, este enfoque solo coincide con las filas que contienen esas palabras clave exactas.

Por ejemplo, una consulta SQL básica como SELECT * FROM item WHERE complaints LIKE "%wrong color%" no devuelve una fila cuyo campo complaints contenga solo The picture shows a blue one, but the one I received was red.

Las consultas SQL que usan las inserciones basadas en LLMs pueden ayudar a devolver respuestas semánticamente similares a dichas consultas. Al aplicar las inserciones, puedes consultar la tabla de este ejemplo para buscar elementos cuyas reclamaciones tengan una similitud semántica con una petición de texto determinada, como It was the wrong color.

Para generar las inserciones, selecciona uno de los siguientes esquemas.

Siguientes pasos