Obtenir des représentations vectorielles continues de texte Vertex AI

Une représentation vectorielle continue de texte est une représentation vectorielle des données textuelles, qui est utilisée de nombreuses manières pour trouver des éléments similaires. Vous interagissez avec ces représentations chaque fois que vous effectuez une recherche Google ou consultez des recommandations lorsque vous faites des achats en ligne. Lorsque vous créez des représentations vectorielles continues de texte, vous obtenez des représentations vectorielles de texte naturel sous forme de tableaux de nombres à virgule flottante. Cela signifie que tout le texte d'entrée se voit attribuer une représentation numérique. En comparant la distance numérique entre les représentations vectorielles de deux éléments de texte, une application peut déterminer la similarité entre le texte ou les objets représentés par le texte.

L'API de représentation vectorielle continue de texte Vertex AI vous permet de créer une représentation vectorielle continue de texte avec l'IA générative. Grâce à ce tutoriel, vous pouvez générer des embeddings de texte pour les données stockées dans les modèles d'embedding Spanner et Vertex AI, comme le modèle textembedding-gecko.

Pour en savoir plus sur les embeddings, consultez la section Obtenir des embeddings de texte.

Objectif

Dans ce tutoriel, vous allez apprendre à effectuer les opérations suivantes :

  • Enregistrez le modèle textembedding-gecko Vertex AI dans un schéma Spanner à l'aide d'instructions LDD.
  • Faites référence au modèle enregistré à l'aide de requêtes SQL pour générer des embeddings à partir des données stockées dans Spanner.

Coûts

Ce tutoriel utilise des composants facturables de Google Cloud, y compris:

  • Spanner
  • Vertex AI

Pour en savoir plus sur les coûts de Spanner, consultez la page Tarifs de Spanner.

Pour en savoir plus sur les coûts de Vertex AI, consultez la page Tarifs de Vertex AI.

Générer et stocker des embeddings textuels

Selon le modèle que vous utilisez, la génération d'embeddings peut prendre un certain temps. Pour les charges de travail plus sensibles aux performances, il est recommandé d'éviter de générer des représentations vectorielles continues dans les transactions en lecture-écriture. Générez plutôt les représentations vectorielles continues dans une transaction en lecture seule à l'aide des exemples SQL suivants.

GoogleSQL

Enregistrer un modèle d'embeddings de texte dans Spanner

En GoogleSQL, vous devez enregistrer un modèle avant de l'utiliser avec la fonction ML.PREDICT. Pour enregistrer le modèle textembedding-gecko dans une base de données Spanner, exécutez l'instruction LDD suivante:

CREATE MODEL MODEL_NAME
INPUT(content STRING(MAX))
OUTPUT(
  embeddings
    STRUCT<
      statistics STRUCT<truncated BOOL, token_count FLOAT64>,
      values ARRAY<FLOAT64>>
)
REMOTE OPTIONS (
  endpoint = '//aiplatform.googleapis.com/projects/PROJECT/locations/LOCATION/publishers/google/models/textembedding-gecko$MODEL_VERSION'
);

Remplacez l'élément suivant :

  • MODEL_NAME: nom du modèle d'embedding
  • PROJECT: projet hébergeant le point de terminaison Vertex AI
  • LOCATION: emplacement du point de terminaison Vertex AI
  • MODEL_VERSION: version du modèle d'embedding textembedding-gecko

Spanner accorde automatiquement les autorisations appropriées. Si ce n'est pas le cas, consultez la section Contrôle de l'accès aux points de terminaison du modèle.

La découverte et la validation de schémas ne sont pas disponibles pour les modèles d'IA générative. Vous devez fournir des clauses INPUT et OUTPUT qui correspondent au schéma des modèles. Pour obtenir le schéma complet du modèle Gecko, consultez la section Obtenir des embeddings textuels.

Générer des embeddings textuels

Pour générer des embeddings, transmettez un extrait de texte directement à la fonction ML.PREDICT à l'aide du code SQL suivant:

SELECT embeddings.values
FROM ML.PREDICT(
  MODEL MODEL_NAME,
  (SELECT "A product description" as content)
);

Pour générer des embeddings pour les données stockées dans une table, utilisez l'instruction SQL suivante:

SELECT id, embeddings.values
FROM ML.PREDICT(
  MODEL MODEL_NAME,
  (SELECT id, description as content FROM Products)
);

Stocker des représentations vectorielles continues de texte

Après avoir généré les représentations vectorielles continues dans une transaction en lecture seule, stockez-les dans Spanner afin qu'elles puissent être gérées avec vos données opérationnelles. Pour stocker les représentations vectorielles continues, utilisez une transaction en lecture/écriture.

Pour les charges de travail moins sensibles aux performances, vous pouvez générer et insérer des représentations vectorielles continues avec l'instruction SQL suivante dans une transaction en lecture-écriture:

CREATE TABLE Products(
  id INT64 NOT NULL,
  description STRING(MAX),
  embeddings ARRAY<FLOAT32>,
) PRIMARY KEY(id);

INSERT INTO Products (id, description, embeddings)
SELECT @Id, @Description, embeddings.values
FROM ML.PREDICT(
  MODEL MODEL_NAME,
  (SELECT @Description as content)
);

PostgreSQL

Générer des embeddings textuels

Pour générer des embeddings, transmettez un extrait de texte directement à la fonction spanner.ML_PREDICT_ROW à l'aide du code SQL suivant:

SELECT
  spanner.ML_PREDICT_ROW(
    'projects/PROJECT/locations/LOCATION/publishers/google/models/textembedding-gecko$MODEL_VERSION',
    '{"instances": [{"content": "A product description"}]}'::jsonb
  ) ->'predictions'->0->'embeddings'->'values';

Remplacez l'élément suivant :

  • PROJECT: projet hébergeant le point de terminaison Vertex AI
  • LOCATION: emplacement du point de terminaison Vertex AI
  • MODEL_VERSION: version du modèle d'embedding textembedding-gecko

Pour générer des embeddings pour les données stockées dans une table, utilisez l'instruction SQL suivante:

SELECT id, spanner.ML_PREDICT_ROW(
    'projects/PROJECT/locations/LOCATION/publishers/google/models/textembedding-gecko$MODEL_VERSION',
    JSONB_BUILD_OBJECT('instances', JSONB_BUILD_ARRAY(JSONB_BUILD_OBJECT('content', description))))
  ) -> `predictions`->0->`embeddings`->`values``
FROM Products;

Remplacez l'élément suivant :

  • PROJECT: projet hébergeant le point de terminaison Vertex AI
  • LOCATION: emplacement du point de terminaison Vertex AI
  • MODEL_VERSION: version du modèle d'embedding textembedding-gecko

Stocker des représentations vectorielles continues de texte

Après avoir généré les représentations vectorielles continues dans une transaction en lecture seule, stockez-les dans Spanner afin qu'elles puissent être gérées avec vos données opérationnelles. Pour stocker les représentations vectorielles continues, utilisez une transaction en lecture/écriture.

Pour les charges de travail moins sensibles aux performances, vous pouvez générer et insérer des représentations vectorielles continues avec l'instruction SQL suivante dans une transaction en lecture-écriture:

CREATE TABLE Products (
  id INT8 NOT NULL,
  description TEXT,
  embeddings REAL[],
  PRIMARY KEY(id)
);

INSERT INTO Products (id, description, embeddings)
SELECT @Id, @Description, spanner.FLOAT32_ARRAY(spanner.ML_PREDICT_ROW(
    'projects/PROJECT/locations/LOCATION/publishers/google/models/textembedding-gecko$MODEL_VERSION',
    JSONB_BUILD_OBJECT('instances', JSONB_BUILD_ARRAY(JSONB_BUILD_OBJECT('content', @Description)))
  ) -> 'predictions'->0->'embeddings'->'values'
));

Remplacez l'élément suivant :

  • PROJECT: projet hébergeant le point de terminaison Vertex AI
  • LOCATION: emplacement du point de terminaison Vertex AI
  • MODEL_VERSION: version du modèle d'embedding textembedding-gecko

Modifier les représentations vectorielles continues de texte

Pour mettre à jour vos représentations vectorielles continues ou pour ingérer des données en temps réel, utilisez l'instruction UPDATE (GoogleSQL et PostgreSQL).

Pour mettre à jour la table Products dans l'exemple précédent, utilisez la requête SQL suivante:

GoogleSQL 

UPDATE Products
SET
  description = @description,
  embeddings = (SELECT embeddings.values
                  FROM ML.PREDICT(MODEL MODEL_NAME, (SELECT @description as content))
              )
WHERE id = @id;

Remplacez les éléments suivants :

  • MODEL_NAME: nom du modèle d'embedding

PostgreSQL 

UPDATE
  Products
SET
  description = $1,
  embeddings = spanner.FLOAT32_ARRAY(
    spanner.ML_PREDICT_ROW(
      'projects/PROJECT/locations/LOCATION/publishers/google/models/textembedding-gecko$MODEL_VERSION',
      JSONB_BUILD_OBJECT('instances', JSONB_BUILD_ARRAY(JSONB_BUILD_OBJECT('content', $1)))
    ) -> 'predictions'->0->'embeddings'->'values')
WHERE
  id = $2;

Remplacez l'élément suivant :

  • PROJECT: projet hébergeant le point de terminaison Vertex AI
  • LOCATION: emplacement du point de terminaison Vertex AI
  • MODEL_VERSION: version du modèle d'embedding textembedding-gecko

Étape suivante