ベクトルのクエリ

Pineconeを使ったAIアプリケーション開発

James Chapman

Curriculum Manager, DataCamp

クエリの力

クエリ: 入力ベクトルに最も「意味的に類似」したベクトルを取得

ユーザー入力を埋め込み、Pinecone のベクトルDBをクエリする図。

.query() メソッド

index.query(

  vector=[-0.250919762305275, ...],

  top_k=3

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': []},
             {'id': '2', 'score': 0.046000585, 'values': []},
             {'id': '3', 'score': 0.0458319113, 'values': []}],
 'namespace': '',
 'usage': {'read_units': 5}}

.query() メソッド

index.query(
    vector=[-0.250919762305275, ...],
    top_k=3,

    include_values=True

)

{'matches': [{'id': '1', 'score': 0.0478537641, 'values': [-0.0131468913, ...]},
             {'id': '2', 'score': 0.046000585, 'values': [-0.0120476764, ...]},
             {'id': '3', 'score': 0.0458319113, 'values': [0.00285418332, ...]}],
 'namespace': '',
 'usage': {'read_units': 5}}

クエリの Read Units (RUs)

クエリの RUs は算出がやや複雑
依存要因:
- 名前空間内のレコード数
- レコードのサイズ
  - ベクトル次元数
  - メタデータ量

クエリ時に消費される RUs の表。

¹ https://docs.pinecone.io/guides/organizations/manage-cost/understanding-cost#query

距離指標

コサイン類似度：2つのベクトル間の角度を示す図。

¹ https://docs.pinecone.io/guides/indexes/understanding-indexes#distance-metrics

距離指標

ユークリッド距離：2つのベクトル間の直線距離を示す図。

¹ https://docs.pinecone.io/guides/indexes/understanding-indexes#distance-metrics

距離指標

ドット積：ベクトル間の角度から値を計算する方法。

¹ https://docs.pinecone.io/guides/indexes/understanding-indexes#distance-metrics

距離指標の設定

pc.create_index(
    name="datacamp-index", 
    dimension=1536,

    metric='dotproduct',

    spec=ServerlessSpec(
        cloud='aws', 
        region='us-east-1'
    )
)

metric → 'cosine', 'euclidean', 'dotproduct'

クエリしてみましょう

Pineconeを使ったAIアプリケーション開発