Einführung in NLP-Modelle und Vektorsuche: Teil II

Tom Grabowski

Principal Product Manager

Elastic

Nick Futter

Hauptproduktmanager

Elastisch

Gilad Gal

Principal Product Manager I

Elastic

Dies ist ein Update zu unserer Sitzung Einführung in NLP: Teil I mit Updates aus den Versionen 8.1 bis 8.3 der Elastic Platform.

Einführung in die moderne Verarbeitung natürlicher Sprache (NLP) und die native Vektorsuche in Elasticsearch. Nutzung neuer ML-Modelle für Kontextgewinn, mehr Tempo und bessere Ergebnisse. Erstellen Sie noch modernere Textanalysen wie etwa semantische Satzeinbettung und Beantwortung von Fragen mit NLP PyTorch-Modellen mit deutlich weniger Ressourcen- und Zeitaufwand. Holen Sie sich die neuesten Updates zum Thema Vektorsuche, inklusive Filterung, Radiusabfragen, inkrementelle Indexierung und vieles mehr. Beginnen Sie mit vordefinierten Modellen oder skalieren Sie Ihr eigenes Modell.

Highlights:

• Vektorähnlichkeit in Elasticsearch mit Dichtevektorfeldern
• Filtern einer Vektorsuche
• Definieren einer relevanten Teilmenge an Abfrageergebnissen mit einer Radiusabfrage
• Umgang mit inkrementellen Änderungen am Index
• Erstellen von Anwendungen mit semantischer Suche und NLP-Modellen
• Umgang mit PyTorch-Modellen von HuggingFace
• Nutzung von Vektoren und NLP zum Erstellen moderner semantischer Suchanwendungen

Weitere Ressourcen:

• Holen Sie sich das passende Toolkit für die KI-Ära – die Elasticsearch Relevance Engine™ (ESRE)
• Einführung in NLP-Modelle und Vektorsuche: Teil I
• Einführung in moderne NLP-Techniken mit PyTorch in Elasticsearch
• Vorstellung der ANN-Suche (Approximate Nearest Neighbor, geschätzter nächster Nachbar)
• NLP: Erste Schritte und Komplettbeispiele (Blogreihe)
• Dokumentation: NLP
• Dokumentation: Dichtevektor-Feldtypen
• Sie möchten es selbst ausprobieren? Erfahren Sie mehr über Elastic Cloud oder probieren Sie Elastic Cloud 14 Tage lang kostenlos aus.