Genera incorporamenti di testo utilizzando la funzione ML.GENERATE_ era Integrata.
Questo documento mostra come creare un modello remoto di BigQuery ML che faccia riferimento a un modello di base di incorporamento di Vertex AI.
Potrai quindi utilizzare quel modello con la funzione ML.GENERATE_EMBEDDING
per creare incorporamenti di testo utilizzando i dati di una tabella standard BigQuery.
Ruoli obbligatori
Per creare una connessione, devi far parte del seguente ruolo IAM (Identity and Access Management):
roles/bigquery.connectionAdmin
Per concedere le autorizzazioni all'account di servizio della connessione, devi disporre della seguente autorizzazione:
resourcemanager.projects.setIamPolicy
Per creare il modello utilizzando BigQuery ML, devi disporre delle seguenti autorizzazioni IAM:
bigquery.jobs.create
bigquery.models.create
bigquery.models.getData
bigquery.models.updateData
bigquery.models.updateMetadata
Per eseguire l'inferenza, devi disporre delle seguenti autorizzazioni:
bigquery.tables.getData
sul tavolobigquery.models.getData
sul modellobigquery.jobs.create
Prima di iniziare
-
Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API BigQuery, BigQuery Connection, and Vertex AI.
crea un set di dati
Crea un set di dati BigQuery per archiviare il tuo modello ML:
Nella console Google Cloud, vai alla pagina BigQuery.
Nel riquadro Explorer, fai clic sul nome del progetto.
Fai clic su
Visualizza azioni > Crea set di dati.Nella pagina Crea set di dati, segui questi passaggi:
In ID set di dati, inserisci
bqml_tutorial
.Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).
I set di dati pubblici vengono archiviati in
US
più regioni. Per semplicità, memorizza il set di dati nella stessa posizione.Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.
Crea una connessione
Crea una connessione alle risorse cloud e recupera l'account di servizio della connessione. Crea la connessione nella stessa località del set di dati creato nel passaggio precedente.
Seleziona una delle seguenti opzioni:
Console
Vai alla pagina BigQuery.
Per creare una connessione, fai clic su
Aggiungi e poi su Connessioni a origini dati esterne.Nell'elenco Tipo di connessione, seleziona Modelli remoti Vertex AI, funzioni remote e BigLake (risorsa Cloud).
Nel campo ID connessione, inserisci un nome per la connessione.
Fai clic su Crea connessione.
Fai clic su Vai alla connessione.
Nel riquadro Informazioni sulla connessione, copia l'ID account di servizio da utilizzare in un passaggio successivo.
bq
In un ambiente a riga di comando, crea una connessione:
bq mk --connection --location=REGION --project_id=PROJECT_ID \ --connection_type=CLOUD_RESOURCE CONNECTION_ID
Il parametro
--project_id
sostituisce il progetto predefinito.Sostituisci quanto segue:
REGION
: la tua regione di connessionePROJECT_ID
: l'ID del tuo progetto Google CloudCONNECTION_ID
: un ID per la tua connessione
Quando crei una risorsa di connessione, BigQuery crea un account di servizio di sistema univoco e lo associa alla connessione.
Risoluzione dei problemi: se visualizzi il seguente errore di connessione, aggiorna Google Cloud SDK:
Flags parsing error: flag --connection_type=CLOUD_RESOURCE: value should be one of...
Recupera e copia l'ID account di servizio per utilizzarlo in un passaggio successivo:
bq show --connection PROJECT_ID.REGION.CONNECTION_ID
L'output è simile al seguente:
name properties 1234.REGION.CONNECTION_ID {"serviceAccountId": "connection-1234-9u56h9@gcp-sa-bigquery-condel.iam.gserviceaccount.com"}
Terraform
Aggiungi la sezione seguente al file main.tf
.
## This creates a cloud resource connection. ## Note: The cloud resource nested object has only one output only field - serviceAccountId. resource "google_bigquery_connection" "connection" { connection_id = "CONNECTION_ID" project = "PROJECT_ID" location = "REGION" cloud_resource {} }Sostituisci quanto segue:
CONNECTION_ID
: un ID per la tua connessionePROJECT_ID
: l'ID del tuo progetto Google CloudREGION
: la tua regione di connessione
Concedere l'accesso all'account di servizio
Concedi all'account di servizio l'autorizzazione a utilizzare la connessione. La mancata concessione dell'autorizzazione comporta un errore. Seleziona una delle seguenti opzioni:
Console
Vai alla pagina IAM e amministrazione.
Fai clic su
Concedi l'accesso.Viene visualizzata la finestra di dialogo Aggiungi entità.
Nel campo Nuove entità, inserisci l'ID account di servizio che hai copiato in precedenza.
Nel campo Seleziona un ruolo, seleziona Vertex AI e poi Utente Vertex AI.
Fai clic su Salva.
gcloud
Utilizza il comando gcloud projects add-iam-policy-binding
:
gcloud projects add-iam-policy-binding 'PROJECT_NUMBER' --member='serviceAccount:MEMBER' --role='roles/aiplatform.user' --condition=None
Sostituisci quanto segue:
PROJECT_NUMBER
: il numero del tuo progettoMEMBER
: l'ID account di servizio che hai copiato in precedenza
Crea un modello
Nella console Google Cloud, vai alla pagina BigQuery.
Utilizzando l'editor SQL, crea un modello remoto:
CREATE OR REPLACE MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME` REMOTE WITH CONNECTION `PROJECT_ID.REGION.CONNECTION_ID` OPTIONS (ENDPOINT = 'ENDPOINT');
Sostituisci quanto segue:
PROJECT_ID
: il tuo ID progettoDATASET_ID
: l'ID del set di dati che conterrà il modelloMODEL_NAME
: il nome del modelloREGION
: la regione utilizzata dalla connessioneCONNECTION_ID
: l'ID della tua connessione BigQueryQuando vengono visualizzati i dettagli della connessione nella console Google Cloud, si tratta del valore nell'ultima sezione dell'ID connessione completo mostrato in ID connessione, ad esempio
projects/myproject/locations/connection_location/connections/myconnection
ENDPOINT
: l'incorporamento LLM da utilizzare. Ad esempio:ENDPOINT='multimodalembedding'
.Per alcuni tipi di modelli, puoi specificare una particolare versione del modello aggiungendo
@version
al suo nome. Ad esempio:textembedding-gecko@001
. Per informazioni sulle versioni dei modelli supportate per i diversi tipi di modello, consultaENDPOINT
.
Genera incorporamenti di testo utilizzando i dati di una tabella
Genera incorporamenti di testo con la funzione ML.GENERATE_EMBEDDING
utilizzando i dati di testo di una colonna della tabella.
In genere, vuoi utilizzare un modello textembedding-gecko
o textembedding-gecko-multilingual
per i casi d'uso di solo testo e un modello multimodalembedding
per i casi d'uso della ricerca cross-modale, in cui le incorporamenti per i contenuti testuali e visivi vengono generati nello stesso spazio semantico.
textembedding-gecko*
Genera incorporamenti di testo utilizzando un modello remoto tramite l'LLM textembedding-gecko
o textembedding-gecko-multilingual
:
SELECT * FROM ML.GENERATE_EMBEDDING( MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`, TABLE PROJECT_ID.DATASET_ID.TABLE_NAME, STRUCT(FLATTEN_JSON AS flatten_json_output, TASK_TYPE AS task_type) );
Sostituisci quanto segue:
PROJECT_ID
: il tuo ID progetto.DATASET_ID
: l'ID del set di dati che contiene il modello.MODEL_NAME
: il nome del modello remoto su un modellotextembedding-gecko
otextembedding-gecko-multilingual
.TABLE_NAME
: il nome della tabella che contiene il testo da incorporare. Questa tabella deve avere una colonna denominatacontent
oppure puoi utilizzare un alias per utilizzare una colonna con nome diverso.FLATTEN_JSON
: un valoreBOOL
che indica se analizzare l'incorporamento in una colonna separata. Il valore predefinito èTRUE
.TASK_TYPE
: un valore letteraleSTRING
che specifica l'applicazione downstream prevista per consentire al modello di produrre incorporamenti di qualità migliore.TASK_TYPE
accetta i seguenti valori:RETRIEVAL_QUERY
: specifica che il testo specificato è una query in un'impostazione di ricerca o recupero.RETRIEVAL_DOCUMENT
: specifica che il testo specificato è un documento in un'impostazione di ricerca o recupero.Quando utilizzi questo tipo di attività, è utile includere il titolo del documento nell'istruzione di query per migliorare la qualità dell'incorporamento. Puoi utilizzare l'opzione
title
per specificare il nome della colonna che contiene il titolo del documento, altrimenti il titolo del documento deve essere in una colonna denominatatitle
o con aliastitle
, ad esempio:SELECT * FROM ML.GENERATE_EMBEDDING( MODEL
mydataset.embedding_model
, (SELECT abstract as content, header as title, publication_number FROMmydataset.publications
), STRUCT(TRUE AS flatten_json_output, 'RETRIEVAL_DOCUMENT' as task_type) );SEMANTIC_SIMILARITY
: specifica che il testo specificato verrà utilizzato per la Similarità testuale semantica (STS).CLASSIFICATION
: specifica che gli incorporamenti verranno utilizzati per la classificazione.CLUSTERING
: specifica che gli incorporamenti verranno utilizzati per il clustering.
multimodalembedding
Genera incorporamenti di testo utilizzando un modello remoto sull'LLM multimodalembedding
:
SELECT * FROM ML.GENERATE_EMBEDDING( MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`, TABLE PROJECT_ID.DATASET_ID.TABLE_NAME, STRUCT(FLATTEN_JSON AS flatten_json_output) );
Sostituisci quanto segue:
PROJECT_ID
: il tuo ID progetto.DATASET_ID
: l'ID del set di dati che contiene il modello.MODEL_NAME
: il nome del modello remoto rispetto a un modellomultimodalembedding@001
.TABLE_NAME
: il nome della tabella che contiene il testo da incorporare. Questa tabella deve avere una colonna denominatacontent
oppure puoi utilizzare un alias per utilizzare una colonna con nome diverso.FLATTEN_JSON
: unBOOL
che indica se analizzare l'incorporamento in una colonna separata. Il valore predefinito èTRUE
.
Genera incorporamenti di testo utilizzando i dati di una query
Genera incorporamenti di testo con la funzione ML.GENERATE_EMBEDDING
utilizzando i dati di testo forniti da una query e un modello remoto tramite l'LLM textembedding-gecko
o textembedding-gecko-multilingual
:
In genere, vuoi utilizzare un modello textembedding-gecko
o textembedding-gecko-multilingual
per i casi d'uso di solo testo e un modello multimodalembedding
per i casi d'uso della ricerca cross-modale, in cui le incorporamenti per i contenuti testuali e visivi vengono generati nello stesso spazio semantico.
textembedding-gecko*
Genera incorporamenti di testo utilizzando un modello remoto tramite l'LLM textembedding-gecko
o textembedding-gecko-multilingual
:
SELECT * FROM ML.GENERATE_EMBEDDING( MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`, (CONTENT_QUERY), STRUCT(FLATTEN_JSON AS flatten_json_output, TASK_TYPE AS task_type );
Sostituisci quanto segue:
PROJECT_ID
: il tuo ID progetto.DATASET_ID
: l'ID del set di dati che contiene il modello.MODEL_NAME
: il nome del modello remoto su un modellotextembedding-gecko
otextembedding-gecko-multilingual
.CONTENT_QUERY
: una query il cui risultato contiene una colonnaSTRING
denominatacontent
.FLATTEN_JSON
: un valoreBOOL
che indica se analizzare l'incorporamento in una colonna separata. Il valore predefinito èTRUE
.TASK_TYPE
: un valore letteraleSTRING
che specifica l'applicazione downstream prevista per consentire al modello di produrre incorporamenti di qualità migliore.TASK_TYPE
accetta i seguenti valori:RETRIEVAL_QUERY
: specifica che il testo specificato è una query in un'impostazione di ricerca o recupero.RETRIEVAL_DOCUMENT
: specifica che il testo specificato è un documento in un'impostazione di ricerca o recupero.Quando utilizzi questo tipo di attività, è utile includere il titolo del documento nell'istruzione di query per migliorare la qualità dell'incorporamento. Puoi utilizzare l'opzione
title
per specificare il nome della colonna che contiene il titolo del documento, altrimenti il titolo del documento deve essere in una colonna denominatatitle
o con aliastitle
, ad esempio:SELECT * FROM ML.GENERATE_EMBEDDING( MODEL
mydataset.embedding_model
, (SELECT abstract as content, header as title, publication_number FROMmydataset.publications
), STRUCT(TRUE AS flatten_json_output, 'RETRIEVAL_DOCUMENT' as task_type) );SEMANTIC_SIMILARITY
: specifica che il testo specificato verrà utilizzato per la Similarità testuale semantica (STS).CLASSIFICATION
: specifica che gli incorporamenti verranno utilizzati per la classificazione.CLUSTERING
: specifica che gli incorporamenti verranno utilizzati per il clustering.
multimodalembedding
Genera incorporamenti di testo utilizzando un modello remoto sull'LLM multimodalembedding
:
SELECT * FROM ML.GENERATE_EMBEDDING( MODEL `PROJECT_ID.DATASET_ID.MODEL_NAME`, (CONTENT_QUERY), STRUCT(FLATTEN_JSON AS flatten_json_output) );
Sostituisci quanto segue:
PROJECT_ID
: il tuo ID progetto.DATASET_ID
: l'ID del set di dati che contiene il modello.MODEL_NAME
: il nome del modello remoto rispetto a un modellomultimodalembedding@001
.CONTENT_QUERY
: una query il cui risultato contiene una colonnaSTRING
denominatacontent
.FLATTEN_JSON
: unBOOL
che indica se analizzare l'incorporamento in una colonna separata. Il valore predefinito èTRUE
.
Esempi
I seguenti esempi mostrano come chiamare la funzione ML.GENERATE_EMBEDDING
in una tabella e una query.
Incorporare testo in una tabella
L'esempio seguente mostra una richiesta per incorporare la colonna content
della tabella text_data
:
SELECT * FROM ML.GENERATE_EMBEDDING( MODEL `mydataset.embedding_model`, TABLE mydataset.text_data, STRUCT(TRUE AS flatten_json_output) );
Utilizzare gli incorporamenti per classificare la somiglianza semantica
L'esempio seguente incorpora una raccolta di recensioni di film e le ordina in base alla distanza coincidente con la recensione "Questo film era nella media" utilizzando la funzione ML.DISTANCE
.
Una distanza inferiore indica una maggiore somiglianza semantica.
WITH movie_review_embeddings AS ( SELECT * FROM ML.GENERATE_EMBEDDING( MODEL `bqml_tutorial.embedding_model`, ( SELECT "Movie 1" AS title, "This movie was fantastic" AS content UNION ALL SELECT "Movie 2" AS title, "This was the best movie I've ever seen!!" AS content UNION ALL SELECT "Movie 3" AS title, "This movie was just okay..." AS content UNION ALL SELECT "Movie 4" AS title, "This movie was terrible." AS content ), STRUCT(TRUE AS flatten_json_output) ) ), average_review_embedding AS ( SELECT ml_generate_embedding_result FROM ML.GENERATE_EMBEDDING( MODEL `bqml_tutorial.embedding_model`, (SELECT "This movie was average" AS content), STRUCT(TRUE AS flatten_json_output) ) ) SELECT content, ML.DISTANCE( (SELECT ml_generate_embedding_result FROM average_review_embedding), ml_generate_embedding_result, 'COSINE' ) AS distance_to_average_review FROM movie_review_embeddings ORDER BY distance_to_average_review;
Il risultato è il seguente:
+------------------------------------------+----------------------------+ | content | distance_to_average_review | +------------------------------------------+----------------------------+ | This movie was fantastic | 0.10028859431058901 | | This movie was terrible. | 0.142427236973374 | | This was the best movie I've ever seen!! | 0.46742391210381995 | | This movie was just okay... | 0.47399255715360622 | +------------------------------------------+----------------------------+