/ /

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 a Vector Search do MongoDB com o provedor de núcleo EF para realizar pesquisas semânticas em dados armazenados no Atlas. A pesquisa vetorial query seus dados com base no significado semântica em vez de correspondências de palavras-chave, permitindo que você recupere resultados mais relevantes. Você pode usar o MongoDB Vector Search 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 na documentação do Atlas.

Dados de amostra

Os exemplos nesta guia usam a coleção embedded_movies do banco de dados do sample_mflix . Os documentos nesta coleção utilizam a seguinte classe Movie como 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 embedded_movies coleção faz parte dos conjuntos de dados de amostra fornecidos pelo Atlas. Para configurar um cluster e carregar esses dados de amostra, consulte o guia de Início Rápido.

Definição do modelo

Para usar a Vector Search do MongoDB com o provedor de núcleo EF, defina um campo de vetor em sua classe de entidade. Configure um índice vetorial nesse campo usando o método API fluente IsVectorIndex().

O exemplo seguinte define uma entidade Movie com um campo de vetor denominado PlotEmbedding e configura um índice de vetor neste 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 índices usando o EF Core Provider depois que eles forem criados. Para alterar ou excluir um índice, use o driver .NET/C#. Para saber mais, consulte o guia MongoDB Search e MongoDB Vector Search Indexes na documentação do driver .NET/C#.

Tipos de incorporação de vetor compatíveis

O fornecedor EF Core Provider oferece suporte a incorporações vetoriais dos seguintes tipos:

Representações de array

O fornecedor de núcleo EF oferece suporte aos seguintes tipos de array como incorporações vetoriais:

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

Representações binárias

O EF Core Provider é compatível com os seguintes tipos de vetores binários, que reduzem o armazenamento e melhoram o desempenho da consulta em comparação com os tipos de array:

BinaryVectorFloat32 — flutuações de 32bits de precisão total
BinaryVectorInt8 — 8inteiros quantizados de bits
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 query a coleção embedded_movies em busca de filmes com um valor de campo PlotEmbedding que é semanticamente semelhante a "ventura com 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 Vector Search do MongoDB , consulte a documentação da Vector Search do MongoDB .

Para obter a documentação da API, consulte os seguintes recursos:

Voltar

Transações

Relacionamentos de entidade