Proporcionar o detectar automáticamente un esquema

Cuando importas datos estructurados mediante la consola Google Cloud , Gemini Enterprise detecta automáticamente el esquema. Puede usar este esquema detectado automáticamente en su motor o usar la API para proporcionar un esquema que indique la estructura de los datos.

Si proporciona un esquema y, más adelante, lo actualiza con un nuevo esquema, este debe ser retrocompatible con el original. De lo contrario, la actualización del esquema fallará.

Para obtener información de referencia sobre el esquema, consulta dataStores.schemas.

Métodos para proporcionar el esquema de tu almacén de datos

Hay varias formas de determinar el esquema de los datos estructurados.

  • Detecta y edita automáticamente. Deja que Gemini Enterprise detecte y sugiera automáticamente un esquema inicial. A continuación, puedes refinar el esquema a través de la interfaz de la consola. Google recomienda que, después de que se detecten automáticamente los campos, asigne propiedades clave a todos los campos importantes.

    Este es el método que usarás cuando sigas las instrucciones de la Google Cloud consola para los datos estructurados en Crear un almacén de datos propios.

  • Proporciona el esquema como un objeto JSON. Proporciona el esquema a Gemini Enterprise como un objeto JSON. Debes haber preparado un objeto JSON correcto. Para ver un ejemplo de objeto JSON, consulta Ejemplo de esquema como objeto JSON. Después de crear el esquema, suba sus datos según ese esquema.

    Este es el método que puedes usar al crear un almacén de datos a través de la API mediante un comando curl (o un programa). Por ejemplo, consulte Importar una vez desde BigQuery. Consulta también las siguientes instrucciones: Proporcionar tu propio esquema.

Acerca de la detección y la edición automáticas

Cuando empieces a importar datos, Gemini Enterprise tomará una muestra de los primeros documentos que se importen. A partir de estos documentos, propone un esquema para los datos, que puedes revisar o editar.

Si los campos que quiere asignar a las propiedades clave no están presentes en los documentos de muestra, puede añadirlos manualmente cuando revise el esquema.

Si Gemini Enterprise encuentra campos adicionales más adelante en la importación de datos, los importará y los añadirá al esquema. Si quiere editar el esquema después de importar todos los datos, consulte Actualizar el esquema.

Ejemplo de esquema como objeto JSON

Puedes definir tu propio esquema con el formato JSON Schema, que es un lenguaje declarativo de código abierto para definir, anotar y validar documentos JSON. Por ejemplo, esta es una anotación de esquema JSON válida:

{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "type": "object",
  "dynamic": "true",
  "datetime_detection": true,
  "geolocation_detection": true,
  "properties": {
    "title": {
      "type": "string",
      "keyPropertyMapping": "title",
      "retrievable": true,
      "completable": true
    },
    "description": {
      "type": "string",
      "keyPropertyMapping": "description"
    },
    "categories": {
      "type": "array",
      "items": {
        "type": "string",
        "keyPropertyMapping": "category"
      }
    },
    "uri": {
      "type": "string",
      "keyPropertyMapping": "uri"
    },
    "brand": {
      "type": "string",
      "indexable": true,
      "dynamicFacetable": true
    },
    "location": {
      "type": "geolocation",
      "indexable": true,
      "retrievable": true
    },
    "creationDate": {
      "type": "datetime",
      "indexable": true,
      "retrievable": true
    },
    "isCurrent": {
      "type": "boolean",
      "indexable": true,
      "retrievable": true
    }
  }
}

Estos son algunos de los campos de este ejemplo de esquema:

  • dynamic: si dynamic tiene el valor de cadena "true", las propiedades nuevas que se encuentren en los datos importados se añadirán al esquema. Si dynamic tiene el valor "false", las nuevas propiedades que se encuentren en los datos importados se ignorarán. Las propiedades no se añadirán al esquema ni se importarán los valores.

    Por ejemplo, un esquema tiene dos propiedades: title y description, y usted sube datos que contienen propiedades de title, description y rating. Si dynamic es "true", se importarán la propiedad y los datos de valoraciones. Si dynamic es "false", no se importarán las propiedades rating, aunque sí title y description.

    El valor predeterminado es "true".

  • datetime_detection. Si datetime_detection se define como el valor booleano true, cuando se importen datos en formato de fecha y hora, el tipo de esquema se definirá como datetime. Los formatos admitidos son RFC 3339 e ISO 8601.

    Por ejemplo:

    • 2024-08-05 08:30:00 UTC

    • 2024-08-05T08:30:00Z

    • 2024-08-05T01:30:00-07:00

    • 2024-08-05

    • 2024-08-05T08:30:00+00:00

    Si datatime_detection se define como el valor booleano false, cuando se importen datos en formato de fecha y hora, el tipo de esquema se definirá como string.

    El valor predeterminado es true.

  • geolocation_detection. Si geolocation_detection se define como el valor booleano true, cuando se importen datos en formato de geolocalización, el tipo de esquema se definirá como geolocation. Los datos se detectan como geolocalización si son un objeto que contiene un número de latitud y un número de longitud, o un objeto que contiene una cadena de dirección.

    Por ejemplo:

    • "myLocation": {"latitude":37.42, "longitude":-122.08}

    • "myLocation": {"address": "1600 Amphitheatre Pkwy, Mountain View, CA 94043"}

    Si geolocation_detection se define como el valor booleano false, cuando se importen datos en formato de geolocalización, el tipo de esquema se definirá como object.

    El valor predeterminado es true.

  • keyPropertyMapping: un campo que asigna palabras clave predefinidas a campos críticos de tus documentos, lo que ayuda a aclarar su significado semántico. Los valores son title, description, uri y category. Ten en cuenta que el nombre del campo no tiene por qué coincidir con el valor de keyPropertyValues. Por ejemplo, en el caso de un campo llamado my_title, puedes incluir un campo keyPropertyValues con el valor title.

    Los campos marcados con keyPropertyMapping se pueden indexar y buscar de forma predeterminada, pero no se pueden recuperar, completar ni usar en facetas dinámicas. Esto significa que no es necesario incluir los campos indexable o searchable con un campo keyPropertyValues para obtener el comportamiento predeterminado esperado.

  • type. Tipo del campo. Es un valor de cadena que es datetime, geolocation o uno de los tipos primitivos (integer, boolean, object, array, number o string).

  • retrievable. Indica si este campo se puede devolver en una respuesta de búsqueda. Se puede definir para los campos de tipo number, string, boolean, integer, datetime y geolocation. Se pueden definir un máximo de 50 campos como recuperables. Los campos definidos por el usuario y los campos keyPropertyValues no se pueden recuperar de forma predeterminada. Para que se pueda recuperar un campo, incluye "retrievable": true con el campo.

  • indexable. Indica si este campo se puede filtrar, facetar, potenciar u ordenar en el método servingConfigs.search. Se puede definir para los campos de tipo number, string, boolean, integer, datetime y geolocation. Se pueden definir un máximo de 50 campos como indexables. Los campos definidos por el usuario no se pueden indexar de forma predeterminada, excepto los campos que contengan el campo keyPropertyMapping. Para que un campo se pueda indexar, incluye "indexable": true con el campo.

  • dynamicFacetable. Indica que el campo se puede usar como una faceta dinámica. Se puede definir para los campos de tipo number, string, boolean y integer. Para que un campo se pueda usar como facetado dinámico, también debe poder indexarse: incluye "dynamicFacetable": true y "indexable": true con el campo.

  • searchable. Indica si este campo se puede indexar de forma inversa para que coincida con consultas de texto no estructurado. Solo se puede definir en campos de tipo string. Se pueden definir un máximo de 50 campos como aptos para búsquedas. Los campos definidos por el usuario no se pueden buscar de forma predeterminada, excepto los campos que contienen el campo keyPropertyMapping. Para que se pueda buscar un campo, incluye "searchable": true con el campo.

  • completable. Indica si este campo se puede devolver como sugerencia de autocompletado. Solo se puede definir en campos de tipo string. Para que un campo se pueda completar, incluye "completable": true con el campo.

Proporcionar tu propio esquema como objeto JSON

Para proporcionar tu propio esquema, crea un almacén de datos que contenga un esquema vacío y, a continuación, actualiza el esquema proporcionando tu esquema como un objeto JSON. Sigue estos pasos:

  1. Prepara el esquema como un objeto JSON. Para ello, consulta el esquema de ejemplo como objeto JSON.

  2. Crea un almacén de datos.

    curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-H "X-Goog-User-Project: PROJECT_ID" \
"https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores?dataStoreId=DATA_STORE_ID" \
-d '{
  "displayName": "DATA_STORE_DISPLAY_NAME",
  "industryVertical": "INDUSTRY_VERTICAL"
}'

    Haz los cambios siguientes:

    • PROJECT_ID: el ID de tu proyecto.
    • DATA_STORE_ID: el ID del almacén de datos que quieres crear. Este ID solo puede contener letras minúsculas, dígitos, guiones bajos y guiones.
    • DATA_STORE_DISPLAY_NAME: el nombre visible del almacén de datos que quieres crear.
    • INDUSTRY_VERTICAL: GENERIC

  3. Usa el método de la API schemas.patch para proporcionar tu nuevo esquema JSON como objeto JSON.

    curl -X PATCH \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://discoveryengine.googleapis.com/v1beta/projects/PROJECT_ID/locations/global/collections/default_collection/dataStores/DATA_STORE_ID/schemas/default_schema" \
-d '{
  "structSchema": JSON_SCHEMA_OBJECT
}'

    Haz los cambios siguientes:

    • PROJECT_ID: el ID de tu proyecto.
    • DATA_STORE_ID: el ID del almacén de datos.

    • JSON_SCHEMA_OBJECT: tu nuevo esquema JSON como objeto JSON. Por ejemplo:

      {
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "type": "object",
  "properties": {
    "title": {
      "type": "string",
      "keyPropertyMapping": "title"
    },
    "categories": {
      "type": "array",
      "items": {
        "type": "string",
        "keyPropertyMapping": "category"
      }
    },
    "uri": {
      "type": "string",
      "keyPropertyMapping": "uri"
    }
  }
}

  4. Opcional: Revisa el esquema siguiendo el procedimiento Ver una definición de esquema.

Siguientes pasos