Como Indexar Incorporações de Vetor para Vector Search

knnVector Revise as limitações de tipo

Não é possível indexar campos dentro de arrays de documentos ou campos dentro de arrays de objetos (tipo embeddedDocuments do Atlas Search) como tipo knnVector.

Defina o índice para o knnVector tipo

O seguinte é a sintaxe JSON para o tipo knnVector. Substitua a definição de índice padrão pelo seguinte. Para saber mais sobre os campos, consulte Propriedades do Campo.

1
{
2
  "mappings": {
3
    "name": "<index-name>",
4
    "dynamic": true|false,
5
    "fields": {
6
      "<field-name>": {
7
        "type": "knnVector",
8
        "dimensions": <number-of-dimensions>,
9
        "similarity": "euclidean | cosine | dotProduct"
10
      }
11
    }
12
  }
13
}

Configurar knnVector propriedades de campo do

O tipo knnVector tem as seguintes opções:

Experimente um exemplo para o knnVector tipo de

A seguinte definição de índice para a coleção sample_mflix.embedded_movies indexa dinamicamente todos os campos dinamicamente indexáveis na coleção e indexa estaticamente o campo plot_embedding como o tipo knnVector. O campo plot_embedding contém incorporações criadas utilizando o modelo de incorporações text-embedding-ada-002 do OpenAI. A definição de índice especifica 1536 dimensões vetoriais e mede a similaridade usando euclidean.

1
{
2
  "mappings": {
3
    "dynamic": true,
4
    "fields": {
5
      "plot_embedding": {
6
        "type": "knnVector",
7
        "dimensions": 1536,
8
        "similarity": "euclidean"
9
      }
10
    }
11
  }
12
}

Se você carregar os dados de amostra em seu cluster e criar o índice de pesquisa anterior do Atlas Search para essa coleção, você pode executar consultas $vectorSearch nessa coleção. Para saber mais sobre as queries de amostra que você pode executar, consulte Exemplos de $vectorSearch.