NLP 모델 및 벡터 검색 소개: 제2부

Tom Grabowski

Principal Product Manager

Elastic

Nick Chow

수석 제품 관리자

Elastic

Gilad Gal

Principal Product Manager I

Elastic

NLP 소개: 제1부 세션에 대한 업데이트로, Elastic Platform 8.1~8.3의 업데이트가 포함되어 있습니다.

Elasticsearch의 현대적인 NLP 및 네이티브 벡터 검색을 소개합니다. 새로운 머신 러닝 모델을 활용하여 컨텍스트를 이해하고 속도를 높이며 결과를 개선하세요. 훨씬 적은 노력과 시간으로 시맨틱 문장 임베딩 및 질문 답변 NLP PyTorch 모델과 같은 훨씬 더 고급 텍스트 분석을 활용할 수 있습니다. 필터링, 반경 쿼리, 증분 색인 등 벡터 검색에 대한 최신 업데이트를 확인하세요. 미리 빌드된 모델로 시작하거나 직접 확장할 수 있습니다.

주요 내용:

• 벡터 유사성을 위해 Elasticsearch에서 고밀도 벡터 필드 사용
• 벡터 검색 필터링
• 반경 쿼리를 사용하여 쿼리와 관련이 있는 것으로 간주되는 결과의 하위 집합 정의
• 인덱스에 대한 증분 변경 처리
• NLP 모델로 시맨틱 검색을 사용하는 애플리케이션 구축
• HuggingFace PyTorch 모델 작업
• 벡터 및 NLP를 사용하여 현대적인 시맨틱 검색 애플리케이션 생성

추가 리소스:

• AI 시대를 위한 검색 툴킷 Elasticsearch Relevance Engine™(ESRE)
• NLP 모델 및 벡터 검색 소개: 제1부
• Elasticsearch에서 PyTorch를 사용한 현대적인 NLP 소개
• 근사 최근접 이웃(ANN) 검색 소개
• NLP 시작하기 및 엔드 투 엔드 예제(블로그 시리즈)
• 설명서: NLP
• 설명서: 밀집 벡터 필드 유형
• 직접 사용해 보고 싶으세요? Elastic Cloud에 대해 자세히 알아보거나 시작할 준비가 되셨으면 14일 무료 체험판을 활용해 보세요.