メインコンテンツまでスキップ

StructArray によるグループ化検索

このページでは、StructArray の要素レベルの検索結果を親エンティティごとにグループ化する方法を説明します。要素レベルの検索では、複数の Struct 要素がクエリに一致すると、同じエンティティから複数のヒットが返されることがあります。グループ化により、これらの要素ヒットがまとめられ、各親エンティティは最大 1 回だけ表示されます。

このページでは、StructArray フィールドを作成する の tech_articles コレクションを使用します。このコレクションには、chunks という名前の StructArray フィールドがあります。chunks[emb] ベクトルサブフィールドは、通常のベクトルメトリックを使用した要素レベルの検索用にインデックスが作成されています。

StructArray にグループ化を適用する​

検索モードグループ化の動作結果の動作
EmbeddingList 検索サポートされていません。該当しません。
要素レベルの検索主キーによるグループ化でサポートされます。親エンティティごとに最大 1 件の結果を返します。要素レベルのメタデータは保持されるため、API または SDK で公開されている場合は、選択した要素のインデックスまたはオフセットを返すことができます。
ハイブリッド検索すべてのサブ検索が同じ StructArray フィールドの下にある要素レベルのベクトルフィールドを対象とする場合にのみサポートされます。最終結果を処理する前に、要素レベルのサブ検索が主キーでグループ化されます。
Notes

グループ化されていない要素レベルの検索で、重複する親エンティティが多すぎる場合にグループ化を使用します。一致するすべての Struct 要素を個別のヒットとして取得する場合は、group_by_field を指定せずに StructArray を使用した基本的なベクトル検索 を使用します。

事前準備​

グループ化検索を実行する前に、コレクション、データ、インデックスを準備します。

要件詳細
要素レベルのベクトルサブフィールドchunks[emb] などの StructArray ベクトルサブフィールドを使用し、通常のベクトルメトリックでインデックスを作成します。
通常のベクトルクエリEmbeddingList ではなく、通常のクエリベクトルを使用します。
主キーによるグループ化コレクションの主キーを group_by_field（doc_id など）として使用します。
範囲パラメーターを使用しないグループ化検索を radius や range_filter などの範囲検索パラメーターと組み合わせないでください。

インデックスの設定については、StructArray フィールドのインデックスを作成する を参照してください。

次の例では、最初に個々のチャンクを検索し、次に要素ヒットを親エンティティの主キーでグループ化します。

python
from pymilvus import MilvusClient

client = MilvusClient(
    uri="YOUR_CLUSTER_ENDPOINT",
    token="YOUR_CLUSTER_TOKEN",
)

query_vector = [0.19, 0.24, 0.30, 0.37]

results = client.search(
    collection_name="tech_articles",
    data=[query_vector],
    anns_field="chunks[emb]",
    limit=5,
    group_by_field="doc_id",
    output_fields=[
        "doc_id",
        "title",
        "chunks[text]",
        "chunks[section]",
        "chunks[page]",
        "chunks[quality_score]",
    ],
)

for hits in results:
    for hit in hits:
        print(
            "doc_id:", hit["doc_id"],
            "distance:", hit["distance"],
            "offset:", hit.get("offset"),
            "entity:", hit["entity"],
        )

グループ化しない場合、複数のチャンクがクエリに一致すると、同じ doc_id が複数回表示されることがあります。group_by_field="doc_id" を指定すると、各親エンティティは最大 1 回だけ表示されます。グループ化では要素レベルのメタデータが保持されるため、API または SDK で公開されている場合は、グループ化された結果に選択した Struct 要素のインデックスまたはオフセットを含めることができます。

スカラーフィルターを追加する​

グループ化検索を StructArray のスカラーフィルタリングと組み合わせることができます。スカラー条件によって要素レベルのベクトル検索に参加する Struct 要素を制限する場合は、element_filter を使用します。

python
query_vector = [0.19, 0.24, 0.30, 0.37]

filter_expr = (
    'category == "search" && '
    'element_filter(chunks, '
    '$[section] == "index" && '
    '$[quality_score] > 0.9)'
)

results = client.search(
    collection_name="tech_articles",
    data=[query_vector],
    anns_field="chunks[emb]",
    filter=filter_expr,
    limit=5,
    group_by_field="doc_id",
    output_fields=[
        "doc_id",
        "title",
        "category",
        "chunks[text]",
        "chunks[section]",
        "chunks[quality_score]",
    ],
)

トップレベルの述語は候補エンティティを選択します。element_filter 述語は、要素レベルのベクトル検索を一致する Struct 要素に制限します。次に、グループ化によって一致する要素ヒットが主キーごとにまとめられます。

StructArray を使用したハイブリッドグループ化は要素レベルの機能です。すべてのサブ検索が同じ StructArray フィールドの下にある要素レベルのベクトルフィールドを対象とする場合にのみサポートされます。グループ化された StructArray ハイブリッド検索では、EmbeddingList レベルのリクエストを使用しないでください。

次の例では、chunks StructArray フィールドに 2 つの要素レベルのベクトルサブフィールド chunks[emb] と chunks[code_emb] があり、どちらも通常のベクトルメトリックでインデックスが作成されていることを前提としています。

python
from pymilvus import AnnSearchRequest, RRFRanker

query_vector = [0.19, 0.24, 0.30, 0.37]
code_query_vector = [0.18, 0.23, 0.29, 0.36]

index_chunk_req = AnnSearchRequest(
    data=[query_vector],
    anns_field="chunks[emb]",
    param={"metric_type": "COSINE", "params": {"efSearch": 64}},
    limit=10,
    expr='element_filter(chunks, $[section] == "index")',
)

code_chunk_req = AnnSearchRequest(
    data=[code_query_vector],
    anns_field="chunks[code_emb]",
    param={"metric_type": "COSINE", "params": {"efSearch": 64}},
    limit=10,
    expr='element_filter(chunks, $[has_code] == true)',
)

results = client.hybrid_search(
    collection_name="tech_articles",
    reqs=[index_chunk_req, code_chunk_req],
    ranker=RRFRanker(),
    limit=5,
    group_by_field="doc_id",
    output_fields=[
        "doc_id",
        "title",
        "chunks[text]",
        "chunks[section]",
    ],
)

この例では、両方のサブリクエストが同じ StructArray フィールド chunks の下にある要素レベルのベクトルフィールドを対象としています。ハイブリッド検索が通常のベクトルフィールド、異なる StructArray フィールド、または EmbeddingList レベルのリクエストを混在させる場合、要素レベルの group-by はサポートされません。

グループ化された結果を解釈する​

結果項目意味
idグループ化された親エンティティの主キーです。
distance またはスコアその親エンティティに対して選択された Struct 要素のスコアまたは距離です。
offset返される場合、選択された Struct 要素の 0 から始まる位置です。
繰り返される主キー主キーでグループ化する場合は想定されません。
limitグループ化された親エンティティの結果に適用されます。

制限事項​

  • グループ化検索は、要素レベルの StructArray ベクトル検索にのみ適用されます。EmbeddingList 検索および EmbeddingList レベルのハイブリッド検索は group-by をサポートしていません。

  • group_by_field には主キーを使用します。StructArray の要素レベルのグループ化は、任意のスカラーフィールドに対する汎用の group-by ではありません。

  • グループ化検索を範囲検索と組み合わせないでください。

  • グループ化検索には、EmbeddingList クエリまたは MAX_SIM* メトリックを使用しないでください。

  • ハイブリッドグループ化は、すべてのサブ検索が同じ StructArray フィールドの下にある要素レベルのベクトルフィールドを対象とする場合にのみサポートされます。

  • ハイブリッド検索が通常のベクトルフィールド、異なる StructArray フィールド、または EmbeddingList レベルのリクエストを混在させる場合、ハイブリッドグループ化はサポートされません。

よくある間違い​

  • EmbeddingList 検索を目的とした chunks[emb_list_vector] でグループ化を使用する。

  • 主キー以外のスカラーフィールドでグループ化する。

  • 複数のフィールドでグループ化する。StructArray の要素レベルのグループ化は、主キーによるグループ化のみをサポートします。

  • グループ化された結果が、一致するすべての Struct 要素を表すと期待する。グループ化は親エンティティごとに最大 1 件の結果を返します。

  • グループ化された要素レベルの検索が EmbeddingList 形式の MAX_SIM* スコアを再計算すると想定する。グループ化は要素レベルのヒットをまとめるものであり、スコアリングモデルを変更しません。

  • group_by_field を radius または range_filter と組み合わせる。

次のステップ​

  1. まずグループ化されていない要素レベルの検索について学習するには、StructArray を使用した基本的なベクトル検索 を参照してください。

  2. グループ化検索にスカラーフィルターを追加するには、StructArray を使用したフィルター検索 を参照してください。

  3. グループ化の代わりにスコアまたは距離の境界を使用するには、StructArray を使用した範囲検索 を参照してください。

  4. StructArray 検索の制限を確認するには、StructArray の制限 を参照してください。

このページは役に立ちましたか？
Ctrl I