Du er her:
Forbedret indeksering av innholdsgrupper
Når du oppretter en vektor- eller hybrid søkeindeks fra ustrukturerte data i Data 360, kan du berike de genererte innholdsbunkene ved å trekke ut metadata fra innholdet. Uttrukne metadata inkluderer nøkkelord, enheter, emneoversikter, spørsmål som innholdet besvarer, og innholdssammendrag.
Brytingsforbedring forbedrer nøyaktigheten av henting betydelig, spesielt i tilfeller der du ikke kan bruke forhåndsvarende felt (for eksempel i en UDMO-bane) og i spørsmåls- og svaragenthandlinger. Forbedrede innholdsbunker er et alternativ til intensiv innholdskuring fordi LLM-generert innhold bidrar til å forbedre identifiseringen av de riktige bitene.
Hvis du vil bruke innholdsutvidede biter, oppretter du først en søkeindeks og aktiverer innholdsutvidede biter. Opprett en ny tilpasset henter i AI-modeller. Når du blir bedt om søkeindeksen, velger du søkeindeksen som ble opprettet med alternativet for å berike biter.
For å få mest mulig ut av en forbedret indeks får du tilgang til den via en retriever. For å bruke metadatabunkene bruker en henter ekstra logikk, som omrangering og hensiktsjustering. Når du kaller opp indeksen direkte via søke-API-er, forbigår du henteren og fører til at oppførselen for henting er nærmere standardvektorsøk eller hybridsøk. Selv om introduksjon av en retriever noen ganger legger til latens, gir den høyere hentingstrekk ved å forbedre hvordan spørringer tilordnes til relevant, svarklart innhold.
Bruk av denne funksjonen i Data Cloud bruker Flex-kreditter. Hvis du vil ha mer informasjon, kan du se Billing Considerations for Enriched Index. Kontakt din kundeansvarlige for mer informasjon.
Innhold i beregnede biter
Når du aktiverer forbedret innhold i en vektor- eller hybrid søkeindeks, genererer Data 360 tre biter: én bunk som inneholder den opprinnelige bunkteksten, én bunk som inneholder metadatatekst, og én bunk som inneholder spørsmål som bunken kan svare på. Mottakere får tilgang til disse bitene for å bruke dem i RAG- og AI-agentarbeidsflyter.
| Deltype | Metadatatype | Beskrivelse |
|---|---|---|
| METADATA | Nøkkelord | Trekker ut nøkkelord som unikt identifiserer innholdet. |
| Enheter | Identifiserer og lister opp noen av følgende:
|
|
| Emner | Trekker ut hovedemner som er diskutert i delen. Inkluderer viktige enheter og nøkkelord i emnenavnene. |
|
| Tittel | Genererer en presis og informativ tittel som oppsummerer innholdet. |
|
| Sammendrag | Gir et sammendrag av innholdet og fremhever viktige emner og enheter. Mål om å omfatte minst 100 ord og maksimalt 250 ord hvis det er mulig. | |
| SPØRSMÅL | Spørsmål | Kompilerer om nødvendig et omfattende sett med detaljerte spørsmål som innholdet i tekstdelen kan svare på. |
Databehandling for anriket indeksering
Forbedrede indekser støttes i alle regioner der Data 360 er tilgjengelig. Data for forbedrede indekser behandles via Amazon Bedrock-administrerte tjenester i disse områdene.
- us-west-2: US West (Oregon)
- us-east-1: US East (Virginia)
- eu-sentral-1: Europa (Frankfurt)
- eu-sentral-2 Europa (Zürich)
- eu-west-3: Europa (Paris)
Aktiver Amazon Bedrock Models (Amazon og Anthropic) i Einstein for å bruke forbedret indeksering. Se Amazon Bedrock-dokumentasjonen for å få mer informasjon.
- Forstå kostnader for anriket indeks
Forbedret indeksering forbedrer sektorer med generert intelligens, som enheter, sammendrag, emner og spørsmål som kan besvares, for å forbedre hensiktsdrevet henting. Selv om denne prosessen øker oppdagelseskraften og grunnlaget for AI-assistenter, øker indekseringskostnadene fordi hver bit produserer flere innebygginger og metadatabunker. - Finne svar med forsterket søkeindeks
Anriket indeksering forbedrer hentingssvar ved å samsvare et spørsmål med et avsnitt med det beste mulige svaret i Knowledge. Mens Data 360 hybrid søk kombinerer styrkene til sematisk bevisst vektor søk med presisjonen og hastigheten av nøkkelord søk, beriket indeksering lukker gapet ytterligere ved å finne biter nærmest brukernes spørsmål.
