/ /

Executar uma query de pesquisa vetorial do MongoDB

Visão geral

Neste guia, você pode aprender a usar o driver Kotlin de sincronização para executar consultas de pesquisa do MongoDB Vector Search. A classe de construtores Aggregates fornece o método assistente vectorSearch(), que você pode usar para criar um estágio de pipeline $vectorSearch.

Importante

Compatibilidade de recursos

Para saber quais versões do MongoDB Atlas suportam este recurso, consulte Limitações na documentação do MongoDB Atlas.

Realizar uma Vector Search

Antes de executar queries de pesquisa do MongoDB pesquisa vetorial, você deve criar um índice do MongoDB pesquisa vetorial em sua coleção. Para aprender como criar programaticamente um índice de pesquisa vetorial, consulte o Índices de Pesquisa e Pesquisa Vetorial do MongoDB guia.

Em seguida, você pode executar uma query do MongoDB Vector Search usando o método vectorSearch() em um agregação pipeline. Este método aceita os seguintes parâmetros:

path: O campo a ser pesquisado
queryVector: A incorporação do vetor que representa sua query de pesquisa
indexName: O nome do índice de pesquisa vetorial MongoDB para usar
limit: o número máximo de resultados a serem retornados
options: (Opcional) Um conjunto de opções que você pode usar para configurar a query de pesquisa vetorial

Exemplo de Vector Search básica

Este exemplo executa uma query do MongoDB pesquisa vetorial que executa as seguintes ações:

Executa query do campo vetorial plot_embedding.
Limita os resultados a 5 documentos.
Especifica uma pesquisa vetorial do vizinho mais próximo (ANN) que considera 150 candidatos. Para saber mais sobre pesquisas de ANN, consulte Pesquisa de ANN na documentação do MongoDB Atlas.

val vectorValues = FloatArray(1536) { i -> (i % 10).toFloat() * 0.1f }
val queryVector = BinaryVector.floatVector(vectorValues)
val indexName = "<vector search index>"
// Specifies the path of the field to search
val fieldSearchPath: FieldSearchPath = fieldPath("plot_embedding")
// Creates the vector search pipeline stage with a limit and numCandidates
val pipeline: List<Bson> = listOf(
    vectorSearch(
        fieldSearchPath,
        queryVector,
        indexName,
        5L, 
        approximateVectorSearchOptions(150)
    ),
    project(
        Projections.fields(
            Projections.excludeId(),
            Projections.include("title")
        )
    )
)
val results = collection.aggregate(pipeline)
results.forEach { doc ->
    println(doc.toJson())
}

{"title": "Berserk: The Golden Age Arc I - The Egg of the King"}
{"title": "Rollerball"}
{"title": "After Life"}
{"title": "What Women Want"}
{"title": "Truth About Demons"}

Dica

Tipo de vetor de query

O exemplo anterior cria uma instância de BinaryVector para servir como o vetor de consulta, mas você também pode criar um List de Double instâncias. No entanto, recomendamos que você use o tipo BinaryVector para melhorar a eficiência do armazenamento.

Exemplo de pontuação do Vector Search

O exemplo a seguir mostra como executar a mesma query de pesquisa vetorial do exemplo anterior e imprimir a meta-pontuação da pesquisa vetorial dos documentos. Essa pontuação representa a relevância de cada documento para o vetor de query:

val pipeline: List<Bson> = listOf(
    vectorSearch(
        fieldSearchPath,
        queryVector,
        indexName,
        5L,
        approximateVectorSearchOptions(150)
    ),
    project(
        Projections.fields(
            Projections.excludeId(),
            Projections.include("title"),
            Projections.metaVectorSearchScore("score")
        )
    )
)
val results = collection.aggregate(pipeline)
results.forEach { doc ->
    println("Title: ${doc.getString("title")}, Score: ${doc.getDouble("score")}")
}

Title: Berserk: The Golden Age Arc I - The Egg of the King, Score: 0.49899211525917053
Title: Rollerball, Score: 0.4976102113723755
Title: After Life, Score: 0.4965665936470032
Title: What Women Want, Score: 0.49622756242752075
Title: Truth About Demons, Score: 0.49614521861076355

Dica

Tutoriais de Vector Search

Para ver mais tutoriais que mostram como executar query de pesquisa do MongoDB pesquisa vetorial, consulte os Tutoriais de pesquisa vetorial do MongoDB na documentação do MongoDB Atlas.

Documentação da API

Para saber mais sobre os métodos e tipos mencionados neste guia, consulte a documentação da API abaixo:

Voltar

MongoDB Search

Exploração madeireira