Résumé
Vous créez un site de réservation de locations de vacances. Les résultats de la recherche d’annonces doivent être pertinents pour tous les clients, et vous avez besoin de ressources supplémentaires pour améliorer manuellement les annonces avec les mots clés des propriétés les plus populaires.
Vous avez appris à utiliser la recherche sémantique dans le serveur flexible Azure Database pour PostgreSQL pour exécuter des requêtes à l’aide d’incorporations générées par Azure OpenAI. Pour accomplir cette recherche, vous avez effectué les tâches suivantes :
- Activation des extensions
vectoretazure_ai - Création de colonnes vectorielles pour stocker les incorporations
- Génération et stockage d’incorporations
- Interrogation de la base de données à l’aide d’un vecteur de requête
Sans recherche sémantique, une requête comme « ensoleillé » ne génère pas de correspondance avec un produit appelé « lumière naturelle vive » alors même que les deux descriptions concordent. Bien que vous puissiez résoudre ce problème en ajoutant des mots clés de produit supplémentaires, l’introduction de nouvelles annonces immobilières pose toujours problème. En effet, si aucune correspondance exacte n’est retournée en raison de l’absence de mots clés spécifique, un produit peut être introuvable.
Les annonces difficiles à trouver sont difficiles à réserver. Les résultats de la recherche non pertinents nuisent à l’expérience utilisateur, et la maintenance manuelle des mots clés augmente les coûts humains. D’un autre côté, Azure OpenAI automatise la correspondance des synonymes en générant des vecteurs d’incorporation, et Azure Database pour PostgreSQL se charge des requêtes vectorielles. Cette combinaison offre une expérience de recherche riche et pertinente, sans nécessiter l’optimisation fastidieuse des mots clés.