Metadatafiltering

Vector-databases voor embeddings met Pinecone

James Chapman

Curriculum Manager, DataCamp

Metadatafiltering

{
    "genre": "action",
    "year": 2020,
    "color": "blue",
    "fit": "straight",
    "price": 29.99,
    "is_jeans": true,
    "areas": ["London", "Kent", "Bath"]
}

Metadata kan strings, getallen, Booleans en lijsten met strings zijn
Metadatafiltering: verkleint de zoekruimte en verlaagt de query-latency

¹ https://docs.pinecone.io/docs/metadata-filtering

Metadatafiltering

index.query(
    vector=[-0.250919762305275, ...],

    filter={

        "genre": {"$eq": "documentary"},
        "year": 2019

    },

    top_k=1
)

¹ https://docs.pinecone.io/docs/metadata-filtering

Metadatafilters

$eq - Gelijk aan (getal, string, boolean)
$ne - Niet gelijk aan (getal, string, boolean)
$gt - Groter dan (getal)
$gte - Groter of gelijk aan (getal)
$lt - Kleiner dan (getal)
$lte - Kleiner of gelijk aan (getal)
$in - In array (string of getal)
$nin - Niet in array (string of getal)

¹ https://docs.pinecone.io/docs/metadata-filtering

Metadatafiltering - groter dan

index.query(
    vector=[-0.250919762305275, ...],

    filter={

        "year": {"$gt": 2019},

    },

    top_k=1,

    include_metadatas=True

)

{'matches': [{'id': '1', 'score': 0.0478537641,
              'values': [],
              'metadata': {'genre': 'action', 'year': 2020}}],
 'namespace': '',
 'usage': {'read_units': 5}}

Laten we oefenen!

Vector-databases voor embeddings met Pinecone