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。