OpenSearch:Consulta de datos

Consulta híbrida: combina la recuperación basada en texto y en vectores, y aprovecha tanto los datos estructurados como los no estructurados para mejorar la precisión de los resultados.

Los vectores incluyen vectores densos y dispersos. La puntuación vectorial total es la suma de la distancia del vector denso y la del vector disperso. Al usar la distancia euclidiana (SquareEuclidean), una menor distancia entre vectores indica mayor similitud.

La puntuación de texto se determina por el grado de coincidencia de palabras clave: a mayor coincidencia, mayor puntuación. La puntuación compuesta final es la suma de la puntuación vectorial y la de texto. Se prefiere una puntuación vectorial más baja y una de texto más alta. Una puntuación compuesta más alta indica mayor relevancia del documento. Configure pesos para equilibrar la puntuación vectorial y la de texto. Por ejemplo, disminuya el peso del vector y aumente el del texto para obtener mejores resultados de búsqueda.

Consulta basada en vectores: importe los datos vectoriales generados a una instancia de Vector Search Edition y ejecute consultas basadas en vectores.

Consulta multivectorial para un solo documento: almacene varios vectores en el campo vectorial de un documento para ejecutar consultas.

Consulta múltiple: envíe varias solicitudes de consulta simultáneamente para mejorar la eficiencia y la velocidad de respuesta.

Consulta basada en predicción: convierta texto e imágenes en vectores mediante el modelo de vectorización integrado y, después, use texto o imágenes para ejecutar consultas basadas en predicción.

Consulta basada en clave primaria: identifique un documento por su identificador único para acceder a los datos de forma eficiente.

Expresión de filtro: especifique condiciones de filtrado para limitar los documentos devueltos.

Índice invertido: acelera las consultas de texto completo y localiza rápidamente los documentos coincidentes para mejorar el rendimiento.