Mengurutkan hasil penelusuran

Halaman ini menjelaskan cara memberi peringkat hasil penelusuran untuk aplikasi menggunakan endpoint model peringkat Vertex AI.

Vertex AI Ranking API mengambil daftar dokumen dan memberi peringkat dokumen tersebut berdasarkan seberapa relevan dokumen tersebut dengan kueri tertentu (string penelusuran). Saat Anda menggunakan fungsi ai.rank(), fungsi ini akan menampilkan skor seberapa baik dokumen menjawab kueri tertentu.

Untuk menggunakan petunjuk di halaman ini, Anda harus memahami AlloyDB untuk PostgreSQL dan memahami konsep AI generatif.

AlloyDB mencadangkan, dan membuat, skema ai.

Sebelum memulai

Sebelum Anda memberi peringkat hasil penelusuran, lakukan hal berikut:

• Pastikan ekstensi google_ml_integration telah diinstal.
• Verifikasi bahwa tanda google_ml_integration.enable_model_support ditetapkan ke on.
• Berintegrasi dengan Vertex AI.
• Aktifkan Discovery Engine API.
• Dapatkan peran yang diperlukan untuk menggunakan model peringkat.

Mengaktifkan Discovery Engine API

    # Enable Discovery Engine API
    gcloud services enable discoveryengine.googleapis.com --project=PROJECT_ID
    gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="serviceAccount:service-PROJECT_NUMBER@gcp-sa-alloydb." \
    --role="roles/discoveryengine.viewer"

    SELECT index, score
    FROM
      ai.rank(
        model_id => 'semantic-ranker-default-003',
        search_string => 'Affordable family-friendly vacation spots in Southeast Asia?',
        documents =>
    ARRAY[
      'Luxury resorts in South Korea',
      'Family vacation packages for Vietnam: Ha Long Bay and Hoi An',
      'Budget-friendly beaches in Thailand perfect for families',
      'A backpacker guide to solo travel in India'])

    WITH initial_ranking AS (
      SELECT id, description, ROW_NUMBER() OVER () AS ref_number
      FROM product
      ORDER BY
        embedding <=> google_ml.embedding(
          'gemini-embedding-001', 'personal fitness equipment')::vector
      LIMIT 10
    ), reranked_results AS (
      SELECT index, score
      FROM ai.rank(
          model_id => 'semantic-ranker-default-003',
          search_string => 'personal fitness equipment',
          documents => (SELECT ARRAY_AGG(description ORDER BY ref_number) FROM initial_ranking),
          top_n => 5)
    )
    SELECT id, description
    FROM initial_ranking, reranked_results
    WHERE initial_ranking.ref_number = reranked_results.index
    ORDER BY reranked_results.score DESC;
  

Berintegrasi dengan Vertex AI dan menginstal ekstensi

1. Berintegrasi dengan Vertex AI.
2. Pastikan google_ml_integration versi terbaru sudah diinstal.

   1. Untuk memeriksa versi yang diinstal, jalankan perintah berikut:

              SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
              extversion
              ------------
              1.4.3
              (1 row)
            

   2. Jika ekstensi tidak diinstal atau jika versi yang diinstal lebih lama dari 1.4.3, update ekstensi dengan menjalankan perintah berikut:

              CREATE EXTENSION IF NOT EXISTS google_ml_integration;
              ALTER EXTENSION google_ml_integration UPDATE;
            

      Jika Anda mengalami masalah saat menjalankan perintah sebelumnya, atau jika ekstensi tidak diupdate ke versi 1.4.3 setelah Anda menjalankan perintah sebelumnya, hubungi dukungan AlloyDB.

   3. Setelah Anda memastikan bahwa versi sudah yang terbaru, instal fungsi pratinjau dengan menjalankan prosedur upgrade_to_preview_version:

              CALL google_ml.upgrade_to_preview_version();
              SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
              extversion
              ------------
              1.4.4
              (1 row)
            

Peran yang diperlukan

Untuk mendapatkan izin yang diperlukan untuk menggunakan model peringkat dari Discovery Engine, minta administrator untuk memberi Anda peran Discovery Engine Viewer (roles/discoveryengine.viewer) Identity and Access Management (IAM) di your project. Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

Memberi peringkat hasil penelusuran Anda

Kueri SQL berikut menunjukkan cara memberi peringkat pada hasil penelusuran Anda :

SELECT
  ai.rank(
    model_id => 'MODEL_ID',
    search_string => 'SEARCH_STRING',
    documents => ARRAY['DOCUMENT_1', 'DOCUMENT_2', 'DOCUMENT_3']);

Ganti kode berikut:

Untuk mengetahui daftar model ranking Vertex AI yang didukung, lihat Model yang didukung.

Contoh

Untuk memberi peringkat hasil penelusuran menggunakan model peringkat Vertex AI, jalankan kueri berikut:

SELECT index, score
FROM
  ai.rank(
    model_id => 'semantic-ranker-default-003',
    search_string => 'AlloyDB is a PostgreSQL compatible AI database that is ready for production.',
    documents =>
      ARRAY[
        'Alloys are made from combination of metals',
        'The best enterprise-ready PostgreSQL database.',
        'You can feel the heat in Alloy apartments.']);

Responsnya adalah tabel yang menampilkan setiap dokumen dan skor berdasarkan relevansinya dengan kueri penelusuran. Berikut adalah contoh respons:

 index | score
-------+------------
     2 |  0.33
     1 |  0.28
     3 |  0.16
(3 rows)

Pertimbangkan contoh database AlloyDB dengan daftar deskripsi ulasan yang dikonversi menjadi embedding. Cuplikan kode contoh berikut menunjukkan cara menggunakan model peringkat untuk mengambil nama produk dengan peringkat teratas berdasarkan kemiripan semantik deskripsi ulasannya dengan kueri.

WITH initial_ranking AS (
    SELECT product_id, name, review, review_id, ROW_NUMBER() OVER () AS ref_number
    FROM user_reviews
    ORDER BY
      review_desc_embedding <=> google_ml.embedding(
        'gemini-embedding-001', 'good desserts')::vector
    LIMIT 10
  ), reranked_results AS (
    SELECT index, score
    FROM
      ai.rank(
        model_id => 'semantic-ranker-512',
        search_string => 'good desserts',
        documents => (SELECT ARRAY_AGG(review ORDER BY ref_number) FROM initial_ranking),
        top_n => 5)
  )
SELECT product_id, name
FROM initial_ranking, reranked_results
WHERE initial_ranking.ref_number = reranked_results.index
ORDER BY reranked_results.score DESC;

Langkah berikutnya

• Daftarkan endpoint model dengan pengelolaan endpoint model.

• Buat kueri menggunakan operator SQL yang didukung AI.