メインコンテンツまでスキップ

StructArray での範囲検索

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について説明します。範囲検索は、スコアまたは距離が指定された境界内にあ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 で作成した 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には、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のインデックスが作成されています。

StructArray に範囲検索を適用する方法​

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。該当なし。
要素レベル検索radius を使用した通常のベクトルクエリと、必要に応じて range_filter 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ます。EmbeddingList レベルのリクエストでは、範囲検索はサポートされていません。要素レベルのサブ検索の後、ハイブリッド再ランキング。
Notes

最も近い Struct 要素のみが必要な場合は、StructArray での基本的なベクトル検索 から始めてください。範囲検索は、top-K ランキングだけでなく、スコアまたは距離の境界を結果が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、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。
インデックスのメトリクスベクトルサブフィールドには、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が作成されています。
クエリデータクエリは通常のベクトルであり、EmbeddingList ではありません。

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、小さい距離が適切か、大きい類似度スコアが適切かによって異なります。

メトリクスタイプスコアが高いほど適切ですか？range_filter を使用する場合の範囲条件
L2いいえ。距離が小さいほど適切です。range_filter <= distance < radius
IP, COSINEはい。スコアが大きいほど適切です。radius < distance <= range_filter

radius のみを設定した場合、範囲検索は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に十分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 は類似度スタイル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 offset 値は、chunks 配列内の一致した Struct 要素を識別します。

スカラーフィルターを追加する​

要素レベルの範囲検索を 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。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
from pymilvus import MilvusClient

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

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]",
    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 でのフィルター検索 を参照してください。

StructArray の要素レベルの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。radius と、必要に応じて range_filter を、StructArray の要素レベルのベクトルフィールドを対象とする AnnSearchRequest に追加します。

python
from pymilvus import MilvusClient, AnnSearchRequest, RRFRanker

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

query_vector = [0.19, 0.24, 0.30, 0.37]

title_req = AnnSearchRequest(
    data=[query_vector],
    anns_field="title_vector",
    param={},
    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ーを使用しています。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 要素ベクトルの間のスコアまたは距離です。
offset返される際の、StructArray フィールド内における一致した 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内に含まれる場合があります。
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​

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

  • 範囲検索をグループ化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 つの結果が必要な場合は、範囲パラメーターなしで要素レベルの検索を実行し、サポートされている場合はグループ化を使用してください。

  • ハイブリッド範囲検索は、StructArray の要素レベルの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​

  • chunks[emb_list_vector] に対して範囲検索を実行しています。このフィールドは EmbeddingList 検索用です。

  • 要素レベルの範囲検索に、COSINE などの通常のメトリクスではなく MAX_SIM_COSINE を使用しています。

  • 通常のベクトルクエリではなく EmbeddingList クエリを使用しています。

  • 範囲検索の結果が親エンティティごとに一意であることを期待しています。範囲検索は、一致する Struct 要素のヒットを返します。

  • 必須のサブフィールドパス構文 chunks[emb] ではなく chunks.emb を使用しています。

次のステップ​

  1. StructArray ベクトル検索の 2 つの基本モードについては、StructArray での基本的なベクトル検索 をお読みください。

  2. 範囲検索にスカラーフィルターを追加するには、StructArray でのフィルター検索 をお読みください。

  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 つの結果を返すには、StructArray でのグループ化検索 をお読みください。

  4. バージョン固有の検索制限を確認するには、StructArray の制限 をお読みください。

このページは役に立ちましたか？
Ctrl I