Implémenter la recherche sémantique dans Oracle APEX à l'aide d'AI Vector Search
Introduction
Oracle APEX exploite désormais la fonctionnalité AI Vector Search introduite dans Oracle AI Database pour mettre en œuvre des recherches de similarité basées sur la sémantique. Cette fonctionnalité permet aux développeurs d’exécuter des modèles de deep learning et de créer des plongements vectoriels sans quitter la base de données. AI Vector Search transforme les données en vecteurs multidimensionnels, permettant des fonctionnalités avancées de recherche sémantique dans les applications APEX. Contrairement aux recherches traditionnelles basées sur des mots-clés, cette technologie comprend le sens des données et fournit des résultats plus pertinents en effectuant des recherches de similarité tenant compte du contexte.
Oracle AI Database prend en charge tous les types de données et workloads modernes, y compris les vecteurs, et intègre des fonctionnalités d'IA et de machine learning directement dans la base de données. En générant et en stockant des vecteurs — représentations multidimensionnelles de documents, d’images, de vidéos, de sons et d’autres types de données non structurées — les développeurs peuvent encoder ces objets sous forme de vecteurs et permettre la recherche de similarités sémantiques à l’aide de calculs mathématiques. Cette technologie puissante permet de combiner les recherches par similarité avec les recherches sur les données métier à l’aide de SQL simple, la rendant accessible à toute personne ayant une compréhension de base de SQL.
Pour ceux qui exécutent APEX sur Oracle AI Database, les fonctionnalités d’AI Vector Search sont disponibles en mode natif sans coût supplémentaire. Cela signifie que les développeurs APEX peuvent intégrer facilement ces fonctionnalités de recherche avancées dans leurs applications, améliorant ainsi l’expérience utilisateur grâce à des résultats plus précis et tenant compte du contexte.
Démonstration
Prérequis et configuration
- Compte Oracle Cloud : page d'inscription
- Modèle ONNX pré-entraîné—documentation
- Oracle AI Database : documentation