LLM 및 생성형 AI와 통합되는 AI 검색 애플리케이션을 생성할 수 있는 Elasticsearch Relevance Engine(ESRE)에 대해 알아보세요.
블로그 보기Elasticsearch Relevance Engine 설정을 시작하는 것이 얼마나 쉬운지 알아보세요.
빠른 시작 동영상 보기Elasticsearch의 고급 정확도 순위 도구 상자를 소개합니다.
웨비나 보기AI가 지원하는 정확도
생성형 AI 및 시맨틱 검색을 위한 개발자 도구
Elasticsearch Relevance Engine으로 AI 검색 애플리케이션을 생성하고 대규모 언어 모델과 통합할 수 있습니다. 하이브리드 검색을 위한 BM25f, 네이티브 벡터 검색, 도메인 간 시맨틱 검색을 위한 Elastic의 독점 ML 모델, RRF를 사용한 하이브리드 순위와 같은 업계 최고의 고급 정확도 순위 기능을 사용하여 컨텍스트별 정확도라는 새로운 시대를 열어보세요.
ELSE, 유추 API
한결 쉬워진 모델 선택
Elastic Learned Sparse EncodeR(ELSER)를 안정적인 시작점으로 사용하여 RAG 구현을 가속화하세요. 또한 Elastic의 유추 API는 코드 및 멀티 클라우드 유추 관리를 간소화합니다. ELSER를 사용하거나 RAG 워크로드에 OpenAI, Hugging Face, Cohere 등의 임베딩을 사용하든 관계없이 하나의 API 호출로 하이브리드 유추 배포 관리를 위한 깔끔한 코드가 보장됩니다.
순위 학습
RAG를 위해 가장 정확도가 높은 검색 엔진
Reranker는 머신 러닝 모델을 적용하여 검색 결과를 미세 조정하고 사용자 기본 설정 및 신호를 기반으로 가장 정확도가 높은 결과를 맨 위에 표시합니다. 순위 학습(Learning to Rank, LTR)은 Elastic의 기본 기능이며 RAG 사용 사례를 지원하여 가장 정확도가 높은 결과를 LLM에 컨텍스트로 제공합니다.
쿼리 규칙 및 동의어 API
검색 성능 최적화
타겟 쿼리에 대한 응답으로 검색 결과를 보다 효과적으로 제어할 수 있도록 메타데이터를 통해 사용자 정의 가능한 지침을 제공합니다. Elasticsearch의 쿼리 규칙은 특정 사용 사례에 대해 최종 사용자에게 우선순위가 높은 콘텐츠를 홍보하는 데 도움이 됩니다. 또한 동의어 관리 API를 사용하면 웹사이트 검색을 위한 관련 단어 구성 및 업데이트를 간소화할 수 있습니다.
검색 정확도 모델 미세 조정
Elasticsearch 쿼리 언어는 상호 순위 결합(RRF)을 사용한 하이브리드 검색과 함께 고급 검색 기술(전체 텍스트, 희소/밀도 벡터 검색)을 지원합니다. 이를 필터링, 부스팅 및 점수 다시 매기기 방법과 결합하면 필요에 맞게 검색 정확도 모델을 더욱 미세 조정할 수 있습니다.
초정확도
머신 러닝의 힘을 활용
검색의 영향을 넓히기 위해 새로운 개념을 추가하거나 검색 정확도를 높이기 위한 새로운 방법을 모색하는 경우에도 머신 러닝은 검색 및 비즈니스 인사이트를 강화하여 검색 애플리케이션과 고객 경험을 향상시킬 수 있습니다. 생성형 AI, 벡터 검색, NLP 트랜스포머 모델 지원, 서드파티 모델 관리를 통해 시맨틱 정확도를 개선합니다.
