AI 驱动的搜索
检索相关搜索结果
本指南向您展示如何使用相似文档端点创建 AI 驱动的电影推荐工作流程。
检索相关搜索结果
本指南向您展示如何使用相似文档端点创建 AI 驱动的电影推荐工作流程。 首先，您将创建一个嵌入器并向索引添加文档。然后，您将执行搜索，并使用排名靠前的结果的主键来检索数据库中相似的电影。先决条件
- 一个正在运行的 Meilisearch 项目
- 级别 >=2 的 OpenAI API 密钥
创建新索引
创建一个名为movies的索引，并将此movies.json数据集添加到其中。如有必要，请查阅入门以获取有关索引创建的更多说明。 数据集中的每个文档代表一部电影，并具有以下结构：id: 数据库中每个文档的唯一标识符title: 电影标题overview: 电影情节的简要摘要genres: 与电影关联的流派数组poster: 电影海报图像的 URLrelease_date: 电影的上映日期，表示为 Unix 时间戳
配置嵌入器
接下来，使用 Cloud UI 配置 OpenAI 嵌入器：
您也可以使用/settings/embedders API 子路由配置您的嵌入器：
将MEILISEARCH_URL、MEILISEARCH_API_KEY和OPENAI_API_KEY替换为应用程序中的相应值。 Meilisearch 将开始为数据集中的所有电影生成嵌入。使用返回的taskUid跟踪此任务的进度。完成后，您就可以开始搜索了。执行混合搜索
添加文档并生成所有嵌入后，您可以执行搜索 此请求返回电影列表。选择排名靠前的结果并记下其在id字段中的主键。在这种情况下，它是电影“蝙蝠侠”，其id为 192。
返回相似文档
将“蝙蝠侠”的id传递给索引的/similar路由，将movies-text指定为您的嵌入器
Meilisearch 将返回与您选择的电影最相似的 20 个文档的列表。然后，您可以选择向用户显示其中一些相似的结果，引导他们观看其他可能也感兴趣的电影。
结论
恭喜！您已成功使用 Meilisearch 构建了 AI 驱动的电影搜索和推荐系统，通过- 设置 Meilisearch 项目并将其配置为 AI 驱动的搜索
- 实现结合了关键字和语义搜索功能的混合搜索
- 集成 Meilisearch 的相似性搜索以进行电影推荐