MongoDB Vector Search를 사용하여 자동으로 임베딩 생성하기

필요한 액세스 권한

MongoDB Vector Search 인덱스를 생성하고 관리 하려면 Project Data Access Admin 이상의 역할 필요합니다.

인덱스 구문

다음은 임베딩 자동 생성을 활성화하는 구문입니다.

1
{
2
  "fields": [
3
    {
4
      "type": "text",
5
      "path": "<field-name>",
6
      "model": "voyage-3-large | voyage-3.5 | voyage-3.5-lite"
7
    }
8
  ]
9
}

인덱스 필드

인덱스 정의에는 다음 필드가 필요합니다.

고려 사항

자동 임베딩의 인덱스 필드는 다음 vector 유형 인덱스 필드와 상호 배타적입니다.

• numDimensions

• similarity

• quantization

컬렉션에 이미 임베딩이 있는 경우 vector 필드 유형을 사용하여 임베딩을 인덱싱해야 합니다. 임베딩을 사용하여 필드를 인덱싱하는 방법에 대해 자세히 알아보려면 벡터 검색을 위해 필드를 인덱스하는 방법을 참조하세요.

임베딩을 자동으로 생성하기 위해 텍스트 필드 인덱스 하고 자체 임베딩으로 필드 인덱스 하려는 경우 text 및 vector 유형을 모두 사용하여 인덱스 만들 수 있습니다. MongoDB Vector Search는 text 유형으로 인덱싱된 필드 대해서만 쿼리에 대한 임베딩을 자동으로 생성합니다. vector 유형으로 인덱싱된 필드 검색하려면 쿼리 에 임베딩을 지정해야 합니다.

필드를 인덱스 MongoDB Vector Search filter 유형을 사용하여 데이터를 사전 필터링할 수도 있습니다.

데이터 사전 필터링에 대해 자세히 학습하려면 filter 유형 정보를 참조하세요.

자동 임베딩을 위한 인덱스 만들기

다음 절차에서는 MongoDB Vector Search 인덱스 에서 자동화된 임베딩을 활성화하는 단계를 안내합니다. sample_mflix.movies 데이터 세트를 로드한 경우 절차의 예시 컬렉션 의 fullplot 필드 에 대해 자동 임베딩을 활성화 방법을 보여줍니다.

쿼리 구문

다음 구문은 자동 임베딩을 위해 인덱싱된 필드 에 대해 쿼리 실행 방법을 보여줍니다.

1
{
2
  "$vectorSearch": {
3
    "index": "<index-name>",
4
    "limit": <number-of-results>,
5
    "numCandidates": <number-of-candidates>,
6
    "path": "<field-to-search>",
7
    "query": "<query-string>"
8
  }
9
}

쿼리 필드

자동화된 임베딩을 사용하는 MongoDB Vector Search 쿼리 에는 다음 필드가 필요합니다.

고려 사항

인덱싱된 필드 대해 ANN 또는 ENN 쿼리 실행 수 있습니다. 자세히 알아보려면 근사 최근접 이웃 검색하다 및 등가 최근접 이웃 검색하다를 참조하세요.

자동 임베딩을 위해 인덱싱된 필드에 대해서는 쿼리 에서 벡터 임베딩을 지정할 수 없습니다. 대신 필드 에 대해 언어 쿼리 실행 해야 합니다. 자동 임베딩을 위해 인덱싱된 필드 에 대해 언어 쿼리 실행 하면 MongoDB Vector Search는 인덱싱된 필드 와 동일한 임베딩 모델을 사용하여 쿼리 텍스트에 대한 임베딩을 자동으로 생성합니다. 그런 다음 생성된 임베딩을 사용하여 인덱싱된 필드 에 대해 시맨틱 검색 수행합니다.

선택적으로 쿼리 에 filter 필드를 지정하여 MongoDB Vector Search가 시맨틱 검색 수행하는 문서를 사전 필터링할 수 있습니다. 자세한 학습 은 MongoDB 벡터 검색 사전 필터링을 참조하세요.

선택적으로 결과에서 문서의 점수를 조회 할 수도 있습니다. 자세한 학습 은 MongoDB Vector Search 점수 산정을 참조하세요.

자동 임베딩을 사용하여 쿼리 실행