MongoDB ベクトル検索クエリを実行する

Overview

このガイドでは、Mongoid を使用してMongoDB ベクトル検索クエリを実行する方法を学習できます。 MongoDB ベクトル検索、ベクトル埋め込みを使用することで、セマンティック意味に基づいてドキュメントをクエリできます。

Mongoid は、vector_search $vectorSearch集計ステージを構築および実行する メソッドを提供します。$vectorSearch 集計ステージの詳細については、 集計操作ガイドをご覧ください。

MongoDB ベクトル検索の詳細については、Atlas ドキュメントの「MongoDB ベクトル検索の概要」を参照してください。

前提条件

MongoDB ベクトル検索クエリを実行する前に、モデルに対してベクトルフィールドとベクトル検索インデックスを定義し、コレクションにインデックスを作成する必要があります 。ベクトル検索インデックスを宣言して作成する方法については、 インデックスガイドの「 MongoDB ベクトル検索インデックス 」セクションを参照してください。

このガイドの例では、sample_mflixデータベース内の embedded_moviesコレクションにマッピングする次の Movie モデルを使用します。 plot_embeddingフィールドには、各映画のプロットのベクトル埋め込みが保存されます。

class Movie
  include Mongoid::Document
  store_in collection: "embedded_movies", database: "sample_mflix"
  field :title, type: String
  field :plot, type: String
  field :year, type: Integer
  field :plot_embedding, type: Array
  # Declare a vector search index on the `plot_embedding` field. The `_id`
  # and `year` filter fields enable instance-level and filtered queries.
  vector_search_index :plot_embedding_index,
    fields: [
      {
        type: "vector",
        path: "plot_embedding",
        numDimensions: 1536,
        similarity: "cosine"
      },
      {
        type: "filter",
        path: "_id"
      },
      {
        type: "filter",
        path: "year"
      }
    ]
end

ベクトル検索クエリの実行

MongoDB ベクトル検索クエリを実行するには、モデルで vector_searchクラスメソッドを呼び出し、クエリベクトルを最初の引数として渡します。クエリベクトルは、検索入力を表すベクトル埋め込みです。

次のコード例では、plot_embeddingフィールドでMongoDB ベクトル検索クエリを実行し、一致する各映画のタイトルを出力します。 Movie モデルはベクトル検索インデックス の1 つだけを宣言するため、Mongoid は使用するインデックスとベクトルフィールドを自動的に選択します。

# The query vector must have the same number of dimensions as the
# vector search index (1536, in this example).
query_vector = [ -0.0016261312, -0.028070757, -0.011342932, ..., -0.009710136 ]
movies = Movie.vector_search(query_vector, limit: 5)
movies.each do |movie|
  puts movie.title
end

Thrill Seekers
About Time
The Time Machine
Timecop
Crusade in Jeans

vector_search メソッドは Movie ドキュメントの配列を返します。デフォルトでは 、10 の最も類似したドキュメントが返されます。結果の数を変更するには、limit オプションを設定します。上記の例では、5 の結果の制限が指定されています。

movies = Movie.vector_search(query_vector, limit: 5)
movies.each do |movie|
  puts "#{movie.title}: #{movie.vector_search_score}"
end

Thrill Seekers: 0.9253387451171875
About Time: 0.9246978759765625
The Time Machine: 0.9229583740234375
Timecop: 0.9228057861328125
Crusade in Jeans: 0.9222259521484375

類似ドキュメントの検索

また、ドキュメントインスタンスで vector_search メソッドを呼び出して、そのドキュメントに類似するドキュメントを検索することもできます。ドキュメントで vector_search を呼び出すと、Mongoid はドキュメントに独自の保存済みベクトルをクエリベクトルとして使用し、ドキュメント自体を結果から除外します。

次のコードは、既存の Movieドキュメントに最も類似している 5 つの映画を検索します。

movie = Movie.find_by(title: "About Time")
neighbors = movie.vector_search(limit: 5)
neighbors.each do |neighbor|
  puts neighbor.title
end

Thrill Seekers
The Time Machine
Timecop
Crusade in Jeans
Frequency

ベクトル検索オプション

次のキーワード引数を vector_search メソッドに渡して、クエリをカスタマイズできます。

次のコードは、150 候補を考慮し、2000 年以降にリリースされた映画のみを返すMongoDB ベクトル検索クエリを実行します。

movies = Movie.vector_search(
  query_vector,
  limit: 5,
  num_candidates: 150,
  filter: { year: { "$gt" => 2000 } }
)

これらのオプションの詳細については、Atlas ドキュメントの $vectorSearch 演算子参照の「フィールド」セクションを参照してください。

詳細情報

ベクトル検索インデックスを宣言して作成する方法については、 インデックスガイドの「 MongoDB ベクトル検索インデックス 」セクションを参照してください。

このガイドで言及されている概念の詳細については、 Atlas ドキュメントの次のページを参照してください 。

• MongoDB ベクトル検索 の概要

• ベクトル検索クエリの実行

• ベクトルAtlas Searchのフィールドにインデックスを付ける方法