/ /

Provedor de estrutura de entidade

Fundamentals

Página inicial do Docs

Bibliotecas do cliente

Provedor de estrutura de entidade

Fundamentals

Executar uma query no Atlas Vector Search

Visão geral

Você pode usar o MongoDB pesquisa vetorial com o provedor EF Core para realizar pesquisas semânticas em dados armazenados no Atlas. A query de pesquisa vetorial seus dados com base no significado semântico, em vez de correspondências de palavras-chave, permitindo que você recupere resultados mais relevantes. Você pode usar o MongoDB pesquisa vetorial para oferecer suporte a casos de uso como pesquisa semântica, pesquisa híbrida e geração aumentada de recuperação (RAG).

Para saber mais sobre a pesquisa vetorial do MongoDB, consulte a Visão geral da pesquisa vetorial do MongoDB na documentação do Atlas.

Dados de amostra

Os exemplos neste guia usam a coleção embedded_movies do banco de dados sample_mflix . Os documentos nesta coleção utilizam a seguinte classe Movie como um modelo:

public class Movie
{
    public ObjectId Id { get; set; }
    public string Title { get; set; } = null!;
    public string Plot { get; set; } = null!;
    public float[] PlotEmbedding { get; set; } = null!;
}

A coleção embedded_movies faz parte dos conjuntos de dados de amostra fornecidos pelo Atlas. Para configurar um cluster e carregar esses dados de amostra, consulte o guia Início rápido.

Definição do modelo

Para usar o MongoDB pesquisa vetorial com o EF Core provedor, defina um campo vetorial em sua classe de entidade. Configure um índice vetorial nesse campo usando o método de API fluente IsVectorIndex().

O exemplo a seguir define uma entidade Movie com um campo vetorial chamado PlotEmbedding e configura um índice vetorial nesse campo.

public class MoviesDbContext : DbContext
{
    public DbSet<Movie> Movies { get; init; } = null!;
    public MoviesDbContext(DbContextOptions options) : base(options) { }
    protected override void OnModelCreating(ModelBuilder modelBuilder)
    {
        modelBuilder.Entity<Movie>(entity =>
        {
            entity.ToCollection("embedded_movies");
            entity.Property(m => m.Title).HasElementName("title");
            entity.Property(m => m.Plot).HasElementName("plot");
            entity.Property(m => m.PlotEmbedding).HasElementName("plot_embedding")
                .HasBinaryVectorDataType(BinaryVectorDataType.Float32);
            entity.HasIndex(m => m.PlotEmbedding, "vector_index")
                .IsVectorIndex(VectorSimilarity.Cosine, 1536);
        });
    }
}

Observação

Você não pode alterar ou excluir índice usando o provedor EF Core depois que eles são criados. Para alterar ou excluir um índice, use o driver .NET/C#. Para aprender mais, consulte o guia MongoDB Search e MongoDB Vector Search índices de pesquisa na documentação do driver .NET/C#.

Tipos de incorporação de vetor compatíveis

O provedor do EF Core suporta embedding vetorial dos seguintes tipos:

Representações de array

O provedor do EF Core suporta os seguintes tipos de array como embedding de vetor:

float[]
double[]
Memory<float> e a ReadOnlyMemory<float>
Memory<double> e a ReadOnlyMemory<double>

Representações binárias

O provedor EF Core oferece suporte aos seguintes tipos de vetor binário, que reduzem o armazenamento e melhoram o desempenho da query em comparação com os tipos de array:

BinaryVectorFloat32 — floats de 32bits de precisão total
BinaryVectorInt8 — Inteiros quantizados de 8bits
BinaryVectorPackedBit — valores binários compactados de 1bits

O namespace MongoDB.Driver do driver .NET/C# contém os enums VectorQuantization e VectorSimilarity usados para configurar índices de vetor binário.

Exemplo de consulta de pesquisa vetorial

Você pode usar o método VectorSearch() para executar uma query de pesquisa vetorial. O exemplo a seguir consulta a coleção embedded_movies para filmes com um valor de campo PlotEmbedding semanticamente semelhante a "aventura de viagem no tempo" e, em seguida, retorna até 10 documentos correspondentes.

// Replace queryVector with a 1536-dimension embedding vector from your model
float[] queryVector = new float[] { 0.1f, -0.2f, 0.3f, ... };
var results = context.Movies
    .VectorSearch(m => m.PlotEmbedding, queryVector, limit: 10)
    .ToList();

Informações adicionais

Para saber mais sobre a pesquisa vetorial do MongoDB, consulte a documentação da pesquisa vetorial do MongoDB.

Para documentação da API, consulte os seguintes recursos:

Voltar

Transações

Relacionamentos de entidade