Bienvenue dans la recherche de similarité vectorielle de Firebase Data Connect, l'implémentation de la recherche sémantique de Firebase qui s'intègre à Google Vertex AI.
Au cœur de cette fonctionnalité se trouvent des représentations vectorielles continues, qui sont des tableaux de nombres à virgule flottante représentant la signification sémantique du texte ou des contenus multimédias. En exécutant une
la recherche du voisin le plus proche à l'aide d'une représentation vectorielle continue à vecteur d'entrée, vous pouvez trouver
des contenus sémantiquement similaires. Data Connect utilise la syntaxe PostgreSQL
Extension pgvector pour cette fonctionnalité.
Cette puissante recherche sémantique peut alimenter des cas d'utilisation tels que les moteurs de recommandation et les moteurs de recherche. Il s'agit également d'un composant clé de l'optimisation de la récupération génération dans les flux d'IA générative. La documentation Vertex AI est un excellent moyen de en savoir plus.
Vous pouvez compter sur la compatibilité intégrée de Data Connect pour générer des vecteurs automatiquement à l'aide de l'API Embeddings de Vertex AI. ou utiliser cette API pour les générer manuellement.
Il s'agit d'un extrait de la documentation Data Connect. Lorsque vous vous inscrivez à l'aperçu de Data Connect, vous avez un accès complet à ce guide, qui couvre les éléments suivants :
- Configuration pour effectuer une recherche vectorielle
- Concevoir votre schéma Data Connect pour la recherche vectorielle
- Générer et récupérer des embeddings vectoriels
- Effectuer des recherches vectorielles
- Utiliser des représentations vectorielles continues personnalisées
- Déployer la recherche vectorielle en production
- Documentation de référence sur la syntaxe des directives de recherche vectorielle.