Panoramica di Vertex AI Matching Engine

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Vertex AI Matching Engine fornisce il database vettoriale a bassa latenza leader del settore (noto anche come servizio di corrispondenza delle somiglianze o servizio adiacente più vicino).

Matching Engine offre gli strumenti per creare casi d'uso che corrispondono ad elementi semanticamente simili. Più specificamente, data l'elemento query, il motore di corrispondenza trova gli elementi più semanticamente simili a questo elemento in un vasto corpus di elementi candidati. Questa possibilità di cercare elementi semanticamente simili o semanticamente correlati ha molti casi d'uso reali ed è una parte essenziale di applicazioni come:

  • Motori per suggerimenti
  • Motori di ricerca
  • Sistemi di targeting degli annunci
  • Classificazione o ricerca di immagini
  • Classificazione del testo
  • Risposte alle domande
  • Bot di chat

Il paradigma all'avanguardia per la creazione di sistemi di corrispondenza semantica viene affidato al calcolo di rappresentazioni vettoriali degli elementi. Queste rappresentazioni vettoriali sono spesso chiamate incorporamenti. Gli incorporamenti vengono calcolati utilizzando modelli di machine learning. I modelli vengono addestrati per imparare uno spazio di incorporamento in cui esempi simili sono simili, mentre altri simili sono distanti. Più due sono gli elementi simili nello spazio di incorporamento, più questi sono simili.

L'illustrazione seguente mostra come questa tecnica possa essere applicata al problema di trovare libri, da un database, che sono la migliore corrispondenza semantica a una query di input. Per rispondere a una query con questo approccio, il sistema deve prima mappare ogni elemento del database a un incorporamento e, poi, mappare la query allo spazio di incorporamento. Il sistema deve quindi trovare, tra tutti gli incorporamenti di database, quelli più vicini alla query; si tratta del problema di ricerca adiacente più vicino (a volte indicato anche come ricerca di somiglianza vettoriale).

Punti di query e database.

L'uso degli incorporamenti non è limitato a parole o testo. Con l'utilizzo di modelli di machine learning (spesso modelli di deep learning), è possibile generare incorporamenti semantici per più tipi di dati, ad esempio foto, audio, filmati e preferenze utente.

A livello generale, la corrispondenza semantica può essere semplificata in due passaggi critici:

  • Genera rappresentazioni di incorporamento degli elementi.
  • Esegui le ricerche dei vicini più vicine sugli incorporamenti.

Vertex AI Matching Engine è un database di vettori che sfrutta le caratteristiche uniche dei vettori di incorporamento per indicizzarli in modo efficiente, per ricercare e recuperare in modo semplice e scalabile incorporamenti simili. Abilita query su larga scala al secondo (QPS) a costi contenuti e a bassa latenza su indici con oltre un miliardo di vettori di incorporamento.

Quote

Scopri di più sulle quote di Vertex AI Engine e su come richiedere un aumento della quota.

Passaggi successivi