ベクトル・ユーティリティ

ベクトル・ユーティリティAPI

ベクトル・ユーティリティAPIは、ベクトル索引で使用する埋込みの生成に備えて、テキストをピース(チャンク)に処理するSQL関数VECTOR_CHUNKSを提供します。APIは、チャンクのサイズおよびチャンクの分割ルールの観点で構成できます。

独自のチャンク・アルゴリズムを作成することは可能ですが、この機能を使用して時間を節約し、事前にパッケージ化されたSQL関数を使用した迅速な開発を支援できます。

ドキュメントの表示に関する項

ベクトル用のチェーン可能ユーティリティ関数

DBMS_VECTORは、ベクトル索引を作成するためのテキストを処理するためのユーティリティ関数のセットを提供します。これらの関数は、ある関数の出力を次の関数の入力として使用するように連鎖できます。

この機能により、PDFドキュメントやVARCHAR2データベース・フィールドなどのテキスト・コンテンツをベクトル索引に必要な埋込みに変換するための、簡単で非常にカスタマイズ性の高い方法が提供されます。この機能により、ベクトルを使用してシームレスに開発できるため、次世代の人工知能アプリケーションを簡単に作成できます。

ドキュメントの表示に関する項

特徴抽出アルゴリズムのベクトル形式出力

特徴抽出アルゴリズムは、低いディメンションの潜在的な領域での予測を表す一連の特徴を生成します。通常、出力は数値で密です。通常はベクトル型表現が選択されます。

特徴抽出アルゴリズムは、リレーショナル・データをベクトル化するための原則的なアプローチを表します。ベクトル化表現は類似性検索に使用できます。

ドキュメントの表示に関する項

VECTORデータ型予測子に対するデータベース内アルゴリズムのサポート

この機能により、ユーザーは、構造化されたエンタープライズ・データとともに、VECTORデータ型の1つ以上の列を予測子としてデータベース内の機械学習アルゴリズムに含めることができます。

非構造化データのベクトル表現は、従来の機械学習アルゴリズムへの強力な入力となります。これにより、テキストおよびイメージ・データに対する効率的なデータ処理が可能になり、データ主導型の意思決定が迅速化されます。機械学習モデルへの入力としてベクトルを提供することで、幅広いユース・ケースを処理できます。

ドキュメントの表示に関する項

DBMS_HYBRID_VECTOR.SEARCHでのJSON_TEXTCONTAINSおよびJSON_EXISTSのサポート

DBMS_HYBRID_VECTOR.SEARCH APIでは、ユーザーがハイブリッド検索の一部としてオプションのJSON_EXISTS句とJSON_TEXTCONTAINS句を指定する方法がサポートされるようになりました。

複雑な問合せを記述するには、複雑なJSONデータを操作するときに、JSON_EXISTSおよびJSON_TEXTCONTAINSによるハイブリッド(セマンティックおよびテキスト)検索をさらに抑制する機能が必要です。この機能を使用すると、ユーザーの検索基準をより適切に満たす高度なアプリケーションを設計できます。

ドキュメントの表示に関する項