Questa pagina è stata tradotta dall'API Cloud Translation.

Filtrare le corrispondenze vettoriali

In Vector Search, puoi limitare le ricerche di corrispondenza vettoriale a un sottoinsieme dell'indice utilizzando regole booleane. I predicati booleani indicano a Vector Search quali vettori nell'indice ignorare. In questa pagina scoprirai come funziona il filtraggio, vedrai esempi e modi per eseguire query in modo efficiente sui tuoi dati in base alla somiglianza vettoriale.

Con la ricerca vettoriale puoi limitare i risultati in base a restrizioni numeriche e categoriche. L'aggiunta di limitazioni o il "filtraggio" dei risultati dell'indice è utile per diversi motivi, come i seguenti esempi:

Maggiore pertinenza dei risultati: Vector Search è uno strumento potente per trovare elementi semanticamente simili. Il filtro può essere utilizzato per rimuovere risultati non pertinenti dai risultati di ricerca, ad esempio elementi che non rientrano nella lingua, nella categoria, nel prezzo o nell'intervallo di date corretti.
Numero ridotto di risultati: la ricerca vettoriale può restituire un gran numero di risultati, soprattutto per set di dati di grandi dimensioni. Il filtro può essere utilizzato per ridurre il numero di risultati a un numero più gestibile, restituendo comunque i risultati più pertinenti.
Risultati segmentati: il filtro può essere utilizzato per personalizzare i risultati di ricerca in base alle esigenze e alle preferenze individuali dell'utente. Ad esempio, un utente potrebbe voler filtrare i risultati in modo da includere solo gli articoli che ha valutato positivamente in passato o che rientrano in una fascia di prezzo specifica.

Attributi vettoriali

In una ricerca di similarità vettoriale in un database di vettori, ogni vettore è descritto da zero o più attributi. Questi attributi sono noti come token per le limitazioni dei token e valori per le limitazioni numeriche. Queste limitazioni possono essere applicate a ciascuna delle diverse categorie di attributi, note anche come spazi dei nomi.

Nella seguente applicazione di esempio, i vettori sono taggati con un color, un price e un shape:

color, price e shape sono spazi dei nomi.
red e blue sono token dello spazio dei nomi color.
square e circle sono token dello spazio dei nomi shape.
100 e 50 sono valori dello spazio dei nomi price.

Specifica gli attributi del vettore

Per specificare un "cerchio rosso": {color: red}, {shape: circle}.
Per specificare un "quadrato rosso o blu": {color: red, blue}, {shape: square}.
Per specificare un oggetto senza colore, ometti lo spazio dei nomi "color" nel campo restricts.
Per specificare le limitazioni numeriche per un oggetto, annota lo spazio dei nomi e il valore nel campo appropriato per il tipo. Il valore int deve essere specificato in value_int, il valore float deve essere specificato in value_float e il valore double deve essere specificato in value_double. Per un determinato spazio dei nomi deve essere utilizzato un solo tipo di numero.

Per informazioni sullo schema utilizzato per specificare questi dati, consulta Specificare spazi dei nomi e token nei dati di input.

Query

Le query esprimono un operatore logico AND tra gli spazi dei nomi e un operatore logico OR all'interno di ogni spazio dei nomi. Una query che specifica {color: red, blue}, {shape: square, circle} corrisponde a tutti i punti del database che soddisfano (red || blue) && (square || circle).
Una query che specifica {color: red} corrisponde a tutti gli oggetti red di qualsiasi tipo, senza alcuna restrizione su shape.
Le limitazioni numeriche nelle query richiedono namespace, uno dei valori numerici di value_int, value_float e value_double e l'operatore op.
L'operatore op è uno tra LESS, LESS_EQUAL, EQUAL, GREATER_EQUAL e GREATER. Ad esempio, se viene utilizzato l'operatore LESS_EQUAL, i punti dati sono idonei se il loro valore è inferiore o uguale al valore utilizzato nella query.

I seguenti esempi di codice identificano gli attributi vettoriali nell'applicazione di esempio:

[
  {
    "namespace": "price",
    "value_int": 20,
    "op": "LESS"
  },
  {
    "namespace": "length",
    "value_float": 0.3,
    "op": "GREATER_EQUAL"
  },
  {
    "namespace": "width",
    "value_double": 0.5,
    "op": "EQUAL"
  }
]

Lista bloccata

Per attivare scenari più avanzati, Google supporta una forma di negazione nota come token denylist. Quando una query inserisce un token in una lista bloccata, le corrispondenze vengono escluse per qualsiasi punto dati che contiene il token inserito nella lista bloccata. Se uno spazio dei nomi di query contiene solo token inseriti nella lista nera, tutti i punti non esplicitamente inseriti nella lista nera corrispondono esattamente allo stesso modo in cui uno spazio dei nomi vuoto corrisponde a tutti i punti.

I punti dati possono anche inserire un token in una lista nera, escludendo le corrispondenze con qualsiasi query che specifica quel token.

Ad esempio, definisci i seguenti punti dati con i token specificati:

A: {}                  // empty set matches everything
B: {red}               // only a 'red' token
C: {blue}              // only a 'blue' token
D: {orange}            // only an 'orange' token
E: {red, blue}         // multiple tokens
F: {red, !blue}        // deny the 'blue' token
G: {red, blue, !blue}  // An unlikely edge-case
H: {!blue}             // deny-only (similar to empty-set)

Il sistema si comporta nel seguente modo:

Gli spazi dei nomi delle query vuote sono caratteri jolly di corrispondenza totale. Ad esempio, Q:{} corrisponde a DB:{color:red}.
Gli spazi dei nomi dei punti dati vuoti non sono caratteri jolly di corrispondenza totale. Ad esempio, D:{color:red} non corrisponde a DB:{}.

Specifica spazi dei nomi e token o valori nei dati di input

Per informazioni su come strutturare i dati di input in generale, consulta Formato e struttura dei dati di input.

Le seguenti schede mostrano come specificare gli spazi dei nomi e i token associati a ogni vettore di input.

JSON

Per ogni record del vettore, aggiungi un campo denominato restricts, in modo che contenga un array di oggetti, ognuno dei quali è uno spazio dei nomi.
- Ogni oggetto deve avere un campo denominato namespace. Questo campo è lo spazio dei nomi TokenNamespace.namespace.
- Il valore del campo allow, se presente, è un array di stringhe. Questo array di stringhe è l'elenco TokenNamespace.string_tokens.
- Il valore del campo deny, se presente, è un array di stringhe. Questo array di stringhe è l'elenco TokenNamespace.string_denylist_tokens.

Di seguito sono riportati due record di esempio in formato JSON:

[
  {
    "id": "42",
    "embedding": [
      0.5,
      1
    ],
    "restricts": [
      {
        "namespace": "class",
        "allow": [
          "cat",
          "pet"
        ]
      },
      {
        "namespace": "category",
        "allow": [
          "feline"
        ]
      }
    ]
  },
  {
    "id": "43",
    "embedding": [
      0.6,
      1
    ],
    "sparse_embedding": {
      "values": [
        0.1,
        0.2
      ],
      "dimensions": [
        1,
        4
      ]
    },
    "restricts": [
      {
        "namespace": "class",
        "allow": [
          "dog",
          "pet"
        ]
      },
      {
        "namespace": "category",
        "allow": [
          "canine"
        ]
      }
    ]
  }
]

Per ogni record del vettore, aggiungi un campo denominato numeric_restricts, in modo che contenga un array di oggetti, ognuno dei quali è una restrizione numerica.
- Ogni oggetto deve avere un campo denominato namespace. Questo campo è lo spazio dei nomi NumericRestrictNamespace.namespace.
- Ogni oggetto deve avere uno tra value_int, value_float e value_double.
- Ogni oggetto non deve avere un campo denominato op. Questo campo è solo per le query.