中繼資料過濾

使用 Pinecone 構建 AI 應用

James Chapman

Curriculum Manager, DataCamp

中繼資料過濾

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

中繼資料可為 _字串_、_數字_、布林值，以及字串的 _清單_
中繼資料過濾：可縮小搜尋空間並降低 查詢延遲

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

中繼資料過濾

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

    filter={

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

    },

    top_k=1
)

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

中繼資料過濾器

$eq - 等於（number、string、boolean）
$ne - 不等於（number、string、boolean）
$gt - 大於（number）
$gte - 大於等於（number）
$lt - 小於（number）
$lte - 小於等於（number）
$in - 在陣列中（string 或 number）
$nin - 不在陣列中（string 或 number）

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

中繼資料過濾：大於

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}}

一起來練習吧！

使用 Pinecone 構建 AI 應用