Cerca negli incorporamenti con la ricerca vettoriale
Per fornire feedback o richiedere assistenza per questa funzionalità, invia un'email all'indirizzo bq-vector-search@google.com.
Questo tutorial mostra come cercare gli incorporamenti archiviati nelle tabelle BigQuery utilizzando la funzione VECTOR_SEARCH
e, facoltativamente, un indice vettoriale.
Autorizzazioni obbligatorie
Per eseguire questo tutorial, sono necessarie le seguenti autorizzazioni di Identity and Access Management (IAM):
- Per creare un set di dati, devi disporre dell'autorizzazione
bigquery.datasets.create
. Per creare una tabella, devi disporre delle seguenti autorizzazioni:
bigquery.tables.create
bigquery.tables.updateData
bigquery.jobs.create
Per creare un indice vettoriale, devi disporre dell'autorizzazione
bigquery.tables.createIndex
nella tabella in cui stai creando l'indice.Per rilasciare un indice vettoriale, devi disporre dell'autorizzazione
bigquery.tables.deleteIndex
sulla tabella in cui stai eliminando l'indice.
Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per lavorare con gli indici vettoriali:
- Proprietario dati BigQuery (
roles/bigquery.dataOwner
) - Editor dati BigQuery (
roles/bigquery.dataEditor
)
Costi
In questo documento, utilizzi i seguenti componenti fatturabili di Google Cloud:
- BigQuery: You incur costs for index storage and data processing in BigQuery.
Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi.
Per ulteriori informazioni, consulta la pagina relativa ai prezzi di BigQuery.
Prima di iniziare
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva l'API BigQuery.
crea un set di dati
Crea un set di dati BigQuery:
Nella console Google Cloud, vai alla pagina BigQuery.
Nel riquadro Explorer, fai clic sul nome del tuo progetto.
Fai clic su
Visualizza azioni > Crea set di dati.Nella pagina Crea set di dati, segui questi passaggi:
In ID set di dati, inserisci
vector_search
.Per Tipo di località, seleziona Più regioni e poi Stati Uniti (più regioni negli Stati Uniti).
I set di dati pubblici vengono archiviati in
US
più regioni. Per semplicità, archivia il tuo set di dati nella stessa località.Lascia invariate le restanti impostazioni predefinite e fai clic su Crea set di dati.
Crea tabelle di test
Crea la tabella
patents
che contiene gli incorporamenti di brevetti, in base a un sottoinsieme del set di dati pubblico Google Brevetti:CREATE TABLE vector_search.patents AS SELECT * FROM `patents-public-data.google_patents_research.publications` WHERE ARRAY_LENGTH(embedding_v1) > 0 AND publication_number NOT IN ('KR-20180122872-A') LIMIT 1000000;
Crea la tabella
patents2
che contiene un incorporamento del brevetto per trovare i vicini più vicini per:CREATE TABLE vector_search.patents2 AS SELECT * FROM `patents-public-data.google_patents_research.publications` WHERE publication_number = 'KR-20180122872-A';
Crea un indice vettoriale
Crea l'indice vettoriale
my_index
nella colonnaembeddings_v1
della tabellapatents
:CREATE VECTOR INDEX my_index ON vector_search.patents(embedding_v1) OPTIONS(distance_type='COSINE', index_type='IVF', ivf_options='{"num_lists": 1000}');
Attendi alcuni minuti che venga creato l'indice vettoriale, quindi esegui la query seguente e verifica che il valore
coverage_percentage
sia100
:SELECT * FROM vector_search.INFORMATION_SCHEMA.VECTOR_INDEXES;
Utilizzare la funzione VECTOR_SEARCH
con un indice
Dopo aver creato e compilato l'indice vettoriale, utilizza la funzione VECTOR_SEARCH
per trovare il vicino più prossimo per l'incorporamento nella colonna embedding_v1
della tabella patents2
. Questa query utilizza l'indice vettoriale nella ricerca, quindi VECTOR_SEARCH
usa il metodo Vicino più vicino approssimativo per trovare il vicino più prossimo dell'incorporamento:
SELECT query.publication_number AS query_publication_number, query.title AS query_title, base.publication_number AS base_publication_number, base.title AS base_title, distance FROM VECTOR_SEARCH( TABLE vector_search.patents, 'embedding_v1', TABLE vector_search.patents2, top_k => 5, distance_type => 'COSINE', options => '{"fraction_lists_to_search": 0.005}');
I risultati sono simili ai seguenti:
+--------------------------+-------------------------------------------------------------+-------------------------+--------------------------------------------------------------------------------------------------------------------------+---------------------+ | query_publication_number | query_title | base_publication_number | base_title | distance | +--------------------------+-------------------------------------------------------------+-------------------------+--------------------------------------------------------------------------------------------------------------------------+---------------------+ | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | CN-106599080-B | A kind of rapid generation for keeping away big vast transfer figure based on GIS | 0.14471956347590609 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | CN-114118544-A | Urban waterlogging detection method and device | 0.17472108931171348 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | KR-20200048143-A | Method and system for mornitoring dry stream using unmanned aerial vehicle | 0.17561990745619782 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | KR-101721695-B1 | Urban Climate Impact Assessment method of Reflecting Urban Planning Scenarios and Analysis System using the same | 0.17696129365559843 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | CN-109000731-B | The experimental rig and method that research inlet for stom water chocking-up degree influences water discharged amount | 0.17902723269642917 | +--------------------------+-------------------------------------------------------------+-------------------------+--------------------------------------------------------------------------------------------------------------------------+---------------------+
Usare la funzione VECTOR_SEARCH
con la forza bruta
Utilizza la funzione VECTOR_SEARCH
per trovare il vicino più prossimo per l'incorporamento nella colonna embedding_v1
della tabella patents2
. Questa query non utilizza l'indice vettoriale nella ricerca, quindi VECTOR_SEARCH
trova il vicino esatto più prossimo dell'incorporamento:
SELECT query.publication_number AS query_publication_number, query.title AS query_title, base.publication_number AS base_publication_number, base.title AS base_title, distance FROM VECTOR_SEARCH( TABLE vector_search.patents, 'embedding_v1', TABLE vector_search.patents2, top_k => 5, distance_type => 'COSINE', options => '{"use_brute_force":true}');
I risultati sono simili ai seguenti:
+--------------------------+-------------------------------------------------------------+-------------------------+--------------------------------------------------------------------------------------------------------------------------+---------------------+ | query_publication_number | query_title | base_publication_number | base_title | distance | +--------------------------+-------------------------------------------------------------+-------------------------+--------------------------------------------------------------------------------------------------------------------------+---------------------+ | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | CN-106599080-B | A kind of rapid generation for keeping away big vast transfer figure based on GIS | 0.1447195634759062 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | CN-114118544-A | Urban waterlogging detection method and device | 0.1747210893117136 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | KR-20200048143-A | Method and system for mornitoring dry stream using unmanned aerial vehicle | 0.17561990745619782 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | KR-101721695-B1 | Urban Climate Impact Assessment method of Reflecting Urban Planning Scenarios and Analysis System using the same | 0.17696129365559843 | | KR-20180122872-A | Rainwater management system based on rainwater keeping unit | CN-109000731-B | The experimental rig and method that research inlet for stom water chocking-up degree influences water discharged amount | 0.17902723269642928 | +--------------------------+-------------------------------------------------------------+-------------------------+--------------------------------------------------------------------------------------------------------------------------+---------------------+
Valuta il richiamo
Quando esegui una ricerca vettoriale con un indice, vengono restituiti risultati approssimativi, con il compromesso di ridurre il richiamo. Puoi calcolare il richiamo confrontando i risultati restituiti dalla ricerca vettoriale con un indice e dalla ricerca vettoriale con forza bruta. In questo set di dati, il valore publication_number
identifica in modo univoco un brevetto, quindi viene utilizzato per il confronto.
WITH approx_results AS ( SELECT query.publication_number AS query_publication_number, base.publication_number AS base_publication_number FROM VECTOR_SEARCH( TABLE vector_search.patents, 'embedding_v1', TABLE vector_search.patents2, top_k => 5, distance_type => 'COSINE', options => '{"fraction_lists_to_search": 0.005}') ), exact_results AS ( SELECT query.publication_number AS query_publication_number, base.publication_number AS base_publication_number FROM VECTOR_SEARCH( TABLE vector_search.patents, 'embedding_v1', TABLE vector_search.patents2, top_k => 5, distance_type => 'COSINE', options => '{"use_brute_force":true}') ) SELECT a.query_publication_number, SUM(CASE WHEN a.base_publication_number = e.base_publication_number THEN 1 ELSE 0 END) / 5 AS recall FROM exact_results e LEFT JOIN approx_results a ON e.query_publication_number = a.query_publication_number GROUP BY a.query_publication_number
Se il richiamo è inferiore a quello desiderato, puoi aumentare il valore fraction_lists_to_search
, con lo svantaggio di una latenza e di un utilizzo delle risorse potenzialmente più elevati. Per ottimizzare la ricerca vettoriale, puoi provare più esecuzioni di VECTOR_SEARCH
con diversi valori di argomento, salvare i risultati nelle tabelle e poi confrontare i risultati.
Esegui la pulizia
- Nella console Google Cloud, vai alla pagina Gestisci risorse.
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.