メインコンテンツまでスキップ

StructArray を使った範囲検索

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し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 フィールドの作成 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。

StructArray に対する範囲検索の適用方法​

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 を指定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と、その後の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、まず StructArray を使った基本的なベクトル検索 を参照してください。範囲検索は、結果が単なる top-K ランキングではなく、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、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。範囲の向きは、距離が小さいほど良いのか、類似度スコアが大きいほど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ほど良いかrange_filter を使用する場合の範囲条件
L2いいえ。距離が小さいほど良いです。range_filter <= distance < radius
IP, COSINEはい。スコアが大きいほど良いです。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。各結果のヒットは、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。offset の値は、返される場合に、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、ベクトル範囲検索に参加する Struct 要素を制約するには element_filter を使用します。

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 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。つまり、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、範囲境界が 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プライマリキー。
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。
offset返される場合の、StructArray フィールド内で一致した Struct 要素の 0 ベースの位置。
繰り返されるプライマリキーあり得ます。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収まることがあります。
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すること。これは EmbeddingList 検索を対象としています。

  • 要素レベルの範囲検索で MAX_SIM_COSINE を COSINE などの通常のメトリクスの代わりに使用すること。

  • 通常のベクトルクエリの代わりに 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単位で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。

  • chunks.emb を、必須のサブフィールドパス構文 chunks[emb] の代わりに使用すること。

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