Penyaringan metadata

Database Vektor untuk Embeddings dengan Pinecone

James Chapman

Curriculum Manager, DataCamp

Penyaringan metadata

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

Metadata bisa berupa string, number, boolean, dan list string
Penyaringan metadata: mengurangi ruang pencarian dan latensi kueri

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

Penyaringan metadata

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

    filter={

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

    },

    top_k=1
)

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

Filter metadata

$eq - Sama dengan (number, string, boolean)
$ne - Tidak sama dengan (number, string, boolean)
$gt - Lebih besar dari (number)
$gte - Lebih besar atau sama dengan (number)
$lt - Lebih kecil dari (number)
$lte - Lebih kecil atau sama dengan (number)
$in - Dalam array (string atau number)
$nin - Tidak dalam array (string atau number)

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

Penyaringan metadata - lebih besar dari

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}}

Ayo berlatih!

Database Vektor untuk Embeddings dengan Pinecone