互動式示範

透過 Vector Search 互動式試用版,體驗最先進的向量搜尋技術。這項示範會運用實際資料集提供實際範例,協助您瞭解 Vector Search 的運作方式、認識語意和混合型搜尋,以及查看實際的重新排名情形。只要提交動物、植物、電子商務商品或其他物品的簡短說明,Vector Search 就能完成剩餘步驟!


使用 Vector Search 互動式線上試用版查詢結果

試試看!

在試用版中嘗試不同選項,搶先體驗 Vector Search,並瞭解向量搜尋技術的基本概念。

如要執行:

  1. 在「查詢」文字欄位中,描述要查詢的項目 (例如 vintage 1970s pinball machine)。或者,按一下「產生查詢」自動產生說明。

  2. 按一下「提交」

如要進一步瞭解您可以在試用版中執行的操作,請參閱「使用者介面」。


使用者介面

本節說明如何使用 UI 中的設定,控管向量搜尋傳回的結果,以及結果的排序方式。


資料集

使用「資料集」下拉式選單,選擇 Vector Search 要對哪個資料集執行查詢。如要瞭解各項資料集的詳細資訊,請參閱「資料集」一文。

使用 Vector Search 互動式線上試用版查詢結果


查詢

在「查詢」欄位中,新增說明或一或多個關鍵字,指定要讓向量搜尋尋找的項目。或者,按一下「產生查詢」,自動產生說明。

建立或自動產生 Vector Search 查詢


修改

您可以透過幾種方式修改向量搜尋傳回的結果:

Vector Search 互動式即時試用版的 UI 設定

  • 按一下「資料列」,然後選擇 Vector Search 要傳回的搜尋結果數量上限。

  • 如要讓 Vector Search 傳回語意相似的結果,請選取「使用密集嵌入項目」

  • 如要讓 Vector Search 根據查詢的文字語法傳回結果,請選取「使用稀疏嵌入」。並非所有可用資料集都支援稀疏嵌入模型。

  • 如要讓 Vector Search 使用混合型搜尋,請同時選取「使用稠密嵌入」和「使用稀疏嵌入」。並非所有資料集都支援這個模型。混合型搜尋結合了密集和稀疏嵌入的元素,可提升搜尋結果的品質。詳情請參閱「關於混合式搜尋」。

  • 在「RRF Alpha」欄位中輸入介於 0.0 和 1.0 之間的值,指定 RRF 排名效果。

  • 如要重新排序搜尋結果,請從「重新排序」下拉式選單中選取「ranking_api」,或選取「無」來停用重新排序功能。


指標

查詢執行完畢後,系統會提供延遲指標,細分搜尋各階段完成所需的時間。

Vector Search 互動式即時示範的查詢指標


查詢程序

處理查詢時,會發生下列情況:

  1. 查詢嵌入生成:系統會為指定的查詢文字生成嵌入。

  2. 向量搜尋查詢:查詢會使用向量搜尋索引執行。

  3. Vertex AI 特徵儲存庫擷取:系統會使用 Vector Search 傳回的項目 ID 清單,從 Vertex AI 特徵儲存庫讀取特徵 (例如項目名稱、說明或圖片網址)。

  4. 重新排序:系統會透過排序 API 排序擷取的項目,並使用查詢文字、項目名稱和項目說明計算關聯分數。

嵌入

多模態:對商品圖片執行多模態語意搜尋。詳情請參閱「什麼是多模態搜尋:『具有視覺功能的 LLM』改變企業」。

文字 (語意相似度):根據語意相似度,對項目名稱和說明進行文字語意搜尋。如要瞭解詳情,請參閱「Vertex AI Embeddings for Text: Grounding LLMs made easy」(Vertex AI 文字嵌入:輕鬆為 LLM 建立基準)。

文字 (問答):對項目名稱和說明進行文字語意搜尋,並依 QUESTION_ANSWERING 工作類型提升搜尋品質。這類應用程式適合用於問答。如要瞭解工作類型嵌入,請參閱「運用 Vertex AI 嵌入和工作類型強化生成式 AI 應用實例」。

稀疏 (混合搜尋):對項目名稱和說明執行關鍵字 (詞元型) 搜尋,並使用 TF-IDF 演算法生成結果。詳情請參閱「關於混合式搜尋」。

資料集

互動式示範包含多個可執行查詢的資料集。資料集之間的差異在於嵌入模型、稀疏嵌入支援、嵌入維度和儲存項目數量。

資料集 嵌入模型 稀疏嵌入模型 嵌入項目維度 項目數量
Mercari 多模態 + 稀疏嵌入 多模態嵌入 TF-IDF
(商品名稱和說明)
1408 約 300 萬
Mercari Text (語意相似度) + 稀疏嵌入 text-embedding-005
(工作類型:SEMANTIC_SIMILARITY)
TF-IDF
(商品名稱和說明)
768 約 300 萬
Mercari Text (問答) + 稀疏型嵌入 text-embedding-005
(工作類型:QUESTION_ANSWERING)
TF-IDF
(商品名稱和說明)
768 約 300 萬
GBIF Flowers 多模態 + 稀疏嵌入 多模態嵌入 TF-IDF
(商品名稱和說明)
1408 約 330 萬
GBIF 動物多模態嵌入 多模態嵌入 不適用 1408 約 700 萬

後續步驟

您已熟悉這個範例,接下來可以深入瞭解如何使用 Vector Search。

  • 快速入門導覽課程 使用範例資料集建立及部署索引,最快 30 分鐘內即可完成。

  • 事前準備 瞭解如何準備嵌入項目,並決定要將索引部署至哪種端點。