メインコンテンツまでスキップ

StructArray を使用した範囲検索

このページでは、StructArray のベクトルサブフィールドに対して範囲検索を実行する方法を説明します。範囲検索は、スコアまたは距離が指定された境界内に収まるベクトルヒットを返します。StructArray フィールドでは、各 Struct 要素を個別に検索する要素レベルのベクトル検索と組み合わせて範囲検索を使用します。

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、COSINE、IP、L2 などの通常のベクトルメトリクスを使用した要素レベル検索用にインデックス化されています。

範囲検索の StructArray への適用方法​

検索モード範囲検索の動作結果の粒度
EmbeddingList 検索サポートされていません。該当しません。
要素レベル検索radius と、必要に応じて range_filter を使用した通常のベクトルクエリを使用します。Struct 要素レベル。
ハイブリッド検索StructArray リクエストが要素レベルのベクトルフィールドを対象とする場合にサポートされています。EmbeddingList レベルのリクエストは範囲検索をサポートしていません。要素レベルのサブ検索の後にハイブリッド再ランキングが行われます。
Notes

最も近い Struct 要素だけが必要な場合は、まず StructArray を使った基本的なベクトル検索 から始めてください。範囲検索は、結果が top-K ランキングだけでなく、スコアまたは距離の境界を満たす必要がある場合に使用します。

事前準備​

範囲検索を実行する前に、コレクション、データ、およびインデックスを準備してください。

要件詳細
StructArray フィールドコレクションに chunks などの StructArray フィールドが含まれています。
要素レベルのベクトルサブフィールド対象のベクトルサブフィールドは chunks[emb] であり、chunks[emb_list_vector] ではありません。
インデックスメトリクスベクトルサブフィールドは、COSINE、IP、L2 などの通常のベクトルメトリクスでインデックス化されています。
クエリデータクエリは EmbeddingList ではなく、通常のベクトルです。

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作成 を参照してください。

radius と range_filter を使用する​

検索境界を定義するには radius を設定します。内側の境界も必要な場合は range_filter を設定します。方向は、距離が小さい方が良いのか、類似度スコアが大きい方が良いのかによって異なります。

メトリクスの種類スコアが大きい方が良いですか？range_filter を使用する場合の範囲条件
L2いいえ。距離が小さい方が良いです。range_filter <= distance < radius
IP、COSINEはい。スコアが大きい方が良いです。radius < distance <= range_filter

radius のみを設定した場合、範囲検索はそのメトリクスの外側の境界を満たすヒットを返します。埋め込みのスコアまたは距離のスケールに応じて値を選択してください。

次の例では、chunks[emb] ベクトルがクエリベクトルと十分に類似している個々のチャンクを検索します。各結果ヒットは、一致した Struct 要素を表します。

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]",
    search_params={
        "params": {
            "radius": 0.80,
            "range_filter": 0.95,
        },
    },
    limit=10,
    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["id"],
            "distance:", hit["distance"],
            "offset:", hit.get("offset"),
            "entity:", hit["entity"],
        )

この例では、COSINE は類似度ベースのメトリクスであるため、結果の範囲は radius より大きく、range_filter 以下になります。返される場合、offset の値は chunks 配列内で一致した Struct 要素を識別します。

スカラーフィルタを追加する​

要素レベルの範囲検索は、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。親エンティティのフィールドにはトップレベルの述語を使用し、element_filter を使用して、ベクトル範囲検索に参加する Struct 要素を制限します。

python
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]",
    search_params={
        "params": {
            "radius": 0.80,
            "range_filter": 0.95,
        },
    },
    filter=filter_expr,
    limit=10,
    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、ベクトル範囲検索を一致する Struct 要素に制限します。フィルタリングのその他の例については、StructArray を使ったフィルタ付き検索 を参照してください。

StructArray の要素レベルベクトルフィールドは、ハイブリッド検索での範囲検索をサポートしています。StructArray の要素レベルベクトルフィールドを対象とする AnnSearchRequest に radius と、必要に応じて range_filter を追加します。

python
from pymilvus import AnnSearchRequest, RRFRanker

title_req = AnnSearchRequest(
    data=[query_vector],
    anns_field="title_vector",
    limit=10,
)

chunk_req = AnnSearchRequest(
    data=[query_vector],
    anns_field="chunks[emb]",
    param={
        "params": {
            "radius": 0.80,
            "range_filter": 0.95,
        },
    },
    limit=10,
    expr='element_filter(chunks, $[section] == "index")',
)

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

この例では、chunks[emb] サブリクエストのみが範囲検索パラメータを使用しています。StructArray リクエストは引き続き要素レベルのセマンティクスに従います。範囲境界は、ハイブリッド検索が結果を結合して再ランキングする前に、Struct 要素のヒットに適用されます。

範囲検索の結果を解釈する​

結果項目意味
id一致した Struct 要素を含むエンティティの主キーです。
distance またはスコアクエリベクトルと、一致した Struct 要素のベクトルとの間のスコアまたは距離です。
offset返される場合の、StructArray フィールド内での一致した Struct 要素の 0 から始まる位置です。
重複する主キー発生する可能性があります。同じエンティティ内の複数の Struct 要素が指定された範囲に含まれることがあります。
limit一意の親エンティティではなく、要素のヒットに適用されます。

制限事項​

  • StructArray のベクトルサブフィールドに対する範囲検索では、EmbeddingList クエリまたは MAX_SIM* メトリクスを使用しないでください。EmbeddingList レベルの検索は範囲検索をサポートしていません。

  • 範囲検索をグルーピング検索と組み合わせないでください。親エンティティごとに 1 件の結果が必要な場合は、範囲パラメータを指定せずに要素レベル検索を実行し、サポートされている場合はグルーピングを使用してください。

  • ハイブリッド範囲検索は、StructArray の要素レベルベクトルフィールドでサポートされています。EmbeddingList レベルの StructArray リクエストではサポートされていません。

よくある間違い​

  • EmbeddingList 検索を目的とした chunks[emb_list_vector] に対して範囲検索を実行すること。

  • 要素レベルの範囲検索で、COSINE などの通常のメトリクスではなく MAX_SIM_COSINE を使用すること。

  • 通常のベクトルクエリではなく EmbeddingList クエリを使用すること。

  • 範囲検索の結果が親エンティティごとに一意になると期待すること。範囲検索は一致した Struct 要素のヒットを返します。

  • 必要なサブフィールドパス構文 chunks[emb] ではなく chunks.emb を使用すること。

次のステップ​

  1. StructArray の 2 つの基本的なベクトル検索モードについて学ぶには、StructArray を使った基本的なベクトル検索 を参照してください。

  2. 範囲検索にスカラーフィルタを追加するには、StructArray を使ったフィルタ付き検索 を参照してください。

  3. サポートされている場合に親エンティティごとに最大 1 件の結果を返すには、StructArray を使ったグルーピング検索 を参照してください。

  4. バージョン固有の検索制限を確認するには、StructArray の制限 を参照してください。

Ctrl I