AI 애플리케이션용 MongoDB Atlas에서 벡터 검색을 구현하는 방법은 무엇입니까?

MongoDB Atlas 벡터 검색에는 내장 연산자가 아닌 전용 knnVector 인덱스가 필요합니다. 인덱스를 수동으로 생성하고, 사전 계산된 임베딩을 배열로 저장하고, 차원과 정규화가 일치하는 집계에서 $VectorSearch를 사용해야 합니다.

MongoDB Atlas에서 실제로 벡터 검색에 필요한 것

MongoDB Atlas 벡터 검색은 내장된 쿼리 연산자가 아닙니다. 별도의 벡터 검색 서비스(Lucene 기반)가 지원하는 전용 검색 인덱스입니다. 컬렉션에 대해 명시적으로 vectorSearch 인덱스를 생성해야 하며 문서는 벡터를 array 필드로 저장해야 합니다(예: embedding: [0.12, -0.44, 0.89, ...] ). Atlas에서는 자동 임베딩 생성이 발생하지 않습니다. 해당 업스트림을 처리합니다(예: OpenAI, Sentence Transformers 또는 Cohere 사용).

벡터 검색 색인을 생성하고 구성하는 방법

Atlas UI 또는 createSearchIndex API를 통해 인덱스를 정의합니다. 색인은 다음을 지정해야 합니다.

• 벡터장을 가리키는 path (예: "embedding" )
• 임베딩 모델의 출력 크기와 일치하는 numDimensions (예: text-embedding-ada-002의 경우 1536 )
• indexName (나중에 쿼리에 사용됨)
• 선택적으로 similarity ( "euclidean" , "cosine" 또는 "dotProduct" - 기본값은 "euclidean" )

인덱스 정의 예(Atlas Data API 또는 CLI를 통해 전송됨):

 {
  "매핑": {
    "동적": 거짓,
    "필드": {
      "삽입": {
        "치수": 1536,
        "유사성": "코사인",
        "유형": "knn벡터"
      }
    }
  }
}

애플리케이션 코드에서 벡터 검색 쿼리를 실행하는 방법

find() 가 아닌 $vectorSearch 집계 단계를 사용합니다. 집계에서만 작동하고 정의한 index 이름이 필요하며 queryVector (런타임 임베딩 배열)가 필요합니다. 또한 벡터 필드가 루트에 있지 않은 경우 limit 과 선택적으로 path 설정합니다.

MongoDB 드라이버를 사용한 Node.js의 예:

 const 결과 = collection.aggregate([를 기다립니다.
  {
    $벡터검색: {
      색인: "벡터-색인-이름",
      경로: "임베딩",
      queryVector: [0.12, -0.44, 0.89, /* ... 1536개 숫자 */],
      후보자 수: 100,
      한도: 5
    }
  }
]).toArray();

중요: numCandidates ≥ limit 이어야 하며 값이 너무 낮으면(예: numCandidates: 5 limit: 5 ) 회상이 손상됩니다. numCandidates: 100 으로 시작하고 정밀성 요구 사항에 따라 조정하세요.

$VectorSearch가 비어 있거나 관련 없는 결과를 반환할 수 있는 이유

대부분의 실패는 다음을 확인할 때까지 볼 수 없는 불일치로 인해 발생합니다.

• 인덱스의 numDimensions queryVector 의 길이와 일치하지 않음 → "vector dimension mismatch" 발생
• 벡터 필드에 null , undefined 또는 배열이 아닌 값이 포함되어 있으므로 해당 문서는 자동으로 제외됩니다.
• cosine 유사성을 사용하고 있지만 정규화되지 않은 벡터를 전달했습니다. → 결과가 왜곡됩니다. 삽입 전 *및* 쿼리 전 정규화
• 인덱스 작성이 완료되지 않았습니다. → Atlas UI의 "인덱스 검색"에서 상태를 확인하세요. "BUILDING" 중에 쿼리하면 일치 항목이 반환되지 않습니다.

또한: 벡터 검색은 기본적으로 복합 쿼리를 지원하지 않습니다. 필터가 필요한 경우(예: " category === 'news' 인 문서만"), $vectorSearch $match *후*에 래핑합니다. 하지만 필터링은 검색 후에 발생하므로 최종 개수가 limit 아래로 줄어들 수 있습니다.

Atlas의 벡터 검색은 인덱스 구성, 벡터 데이터 형태, ​​쿼리 매개변수가 정확히 일치하는 경우에만 안정적으로 작동합니다. 자동 대체를 위한 여지가 거의 없습니다. 항상 차원 수와 정규화를 먼저 검증하십시오.

위 내용은 AI 애플리케이션용 MongoDB Atlas에서 벡터 검색을 구현하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!