/ /

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!;
}

The embedded_movies collection is part of the sample datasets provided by Atlas. To set up a cluster and load this sample data, see the Get Started with the EF Core Provider guide.

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

You cannot change or delete indexes by using the EF Core Provider after they are created. To change or delete an index, use the .NET/C# Driver. To learn more, see the MongoDB Search and MongoDB Vector Search Indexes guide in the .NET/C# Driver documentation.

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

To learn more about MongoDB Vector Search, see the MongoDB Vector Search documentation.

Para documentação da API, consulte os seguintes recursos:

Voltar

Simultaneidade otimista

Referência rápida