OpenSearch:構成の変更

ベクトルモデル: ベクトルモデルは、テキストを密ベクトルに変換します。これにより、長いテキストや意味記述の理解が容易になり、クエリが最適化されます。

スパースベクトルモデル: スパースベクトルモデルは、テキストをスパースベクトルに変換します。これにより、フィルタリング条件を含むクエリが最適化されます。スパースベクトルモデルは、密ベクトルモデルと併用する必要があります。ほとんどの場合、スパースベクトルモデルと密ベクトルモデルの組み合わせは、密ベクトルモデル単体よりも効果的です。スパースベクトルモデルを選択することをお勧めします。

スライス方法:

• セマンティックスライス: テキストは、テキストのセマンティクスに基づいてスライスされます。デフォルトでは、このスライス方法が使用されます。

• 単一文スライス: テキストは文ごとにスライスされます。このスライス方法は、長いドキュメントのクエリ精度を向上させます。単一文スライス方法を選択すると、単一のドキュメントが占有するストレージ容量が約6倍に増加することに注意してください。

画像コンテンツ認識: マルチモーダルモデルを使用して画像コンテンツを認識します。この機能は、参照画像の精度を向上させます。注: 画像コンテンツ認識モデルを選択すると、ドキュメントのアップロード時にモデルに必要なコンピューティングリソースに対して課金されます。

メインテーブルの7つのフィールドはシステムで必須であり、変更できません。

カスタムテーブルの構成方法の詳細については、テーブルベースの会話型検索の実装を参照してください。