OpenSearch:Cava を使用したソートプラグインの開発

ステップ 1：ソートポリシーの作成

1. [ポリシー管理] に移動し、[作成] をクリックします。

2. [ポリシーの作成] ページで、[範囲] を [高度なソート] に、[タイプ] を [Cava スクリプト] に設定します。

ステップ 2：スクリプトファイルの追加

いずれかの方法でスクリプトファイルを追加します。

• コンソールエディターで Cava スクリプトを直接編集します。

• ローカルのスクリプトファイルを JSON フォーマットでアップロードします。

ステップ 3：コンパイルと公開

1. [コンパイル] をクリックして、すべてのスクリプトファイルをコンパイルします。コンパイルステータスは [コンパイル] ボタンの下に表示されます。

2. コンパイルが成功したら、[公開] をクリックします。

ステップ 4：ソートポリシーのテスト

ポリシーの [検索テスト] ページで、以下のパラメーターを設定します。

以下の Java の例は、SDK でこれらのパラメーターを設定する方法を示しています。

// SearchParams オブジェクトを作成します
SearchParams searchParams = new SearchParams(config);

// Cava ソートポリシーを設定します
Rank rank = new Rank();
rank.setSecondRankName("Cava script name");    // 公開されたソートポリシーの正確な名前
rank.setSecondRankType(RankType.CAVA_SCRIPT);  // 高度なソート中に Cava スクリプトを呼び出します

// rank 設定を検索リクエストにアタッチします
searchParams.setRank(rank);

ベクトルインデックスのスコア

ProximaScore を使用して、ベクトルインデックスから類似度スコアを取得します。ProximaScore.create() を呼び出して名前付きインデックスにバインドし、次に evaluate() を呼び出して各ドキュメントのスコアを取得します。

import com.aliyun.opensearch.cava.features.similarity.ProximaScore;

// ターゲットのベクトルインデックスにバインドします
ProximaScore _proximaScoreVector;
_proximaScoreVector = ProximaScore.create(params, "{{indexes.vector_index}}"); // ご利用のベクトルインデックス名に置き換えてください

// 現在のドキュメントの類似度スコアを取得します
float proximaScoreVector = _proximaScoreVector.evaluate(params);