Upgrade to Pro — share decks privately, control downloads, hide ads and more …

elasticsearch_semantic_search.pdf

樋口慎
April 25, 2023
210

 elasticsearch_semantic_search.pdf

樋口慎

April 25, 2023
Tweet

Transcript

  1. Copyright © Acroquest Technology Co., Ltd. All rights reserved. 第53回Elasticsearch勉強会

    Elasticsearch8.7 におけるセマンティック検索 Acroquest Technology 株式会社 Elastic Certified Engineer 樋口 慎 @shin0higuchi 1
  2. 自己紹介 ⚫ 名前:樋口 慎 ⚫ 所属:Acroquest Technology株式会社 ⚫ 業務:Elasticコンサルティング全般、データ分析、システム開発 ⚫

    資格/執筆: 世界初「Elastic Certification」3種取得 Azure Solutions Architect Elasticsearch NEXT STEP 執筆
  3. はじめに Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    3 当発表では、下記のブログ記事で紹介している Elasticsearch8.7におけるセマンティック検索について説明します。 セマンティック検索の活用で、Elasticsearchの検索が根本的に変わる!? - Taste of Tech Topics (hatenablog.com)
  4. セマンティック検索とは? Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    4 ▪Elasticsearchの通常の検索 検索クエリを 形態素解析 AWS上でElasticsearchを使うには? AWS/上/で/Elasticsearch/ を/使う/に/は/? 検索対象ドキュメント群 検索 「AWS」「Elasticsearch」 といったキーワードを含むド キュメントのみがヒットする ▪セマンティック検索 機械学習モデルで ベクトル化(embedding) AWS上でElasticsearchを使うには? [8,64,12,96,12,....] 検索対象ドキュメント群 検索 意味的に近い ドキュメントがヒットする ※検索ドキュメント群が事前に ベクトル化されている必要がある
  5. Elasticsearchで学習済みモデルを利用するには Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    5 Kibana Elasticsearch 学習済みモデル ② Elandを利用して、 学習済みモデルを Elasticsearchに登録する ① 学習済みモデルを用意する (Hugging Face等を利用す る場合、適切なモデルを選 ぶのみ) ③ ドキュメント登録時/検 索時に登録済みモデルを 呼び出して利用する (ベクトル化)
  6. Eland による import Copyright © Acroquest Technology Co., Ltd. All

    rights reserved. 6 • Elandは、HuggingFaceのモデルをデプロイする簡易なスクリプトを提供 eland_import_hub_model --url https://localhost:9200 \ -u <username> -p <password> \ --ca-certs xxxx \ --hub-model-id <HuggingFaceのモデルID> \ --task-type <タスク種別> \ モデルをローカルのElasticsearchにデプロイするコマンド
  7. Eland による import Copyright © Acroquest Technology Co., Ltd. All

    rights reserved. 7 • Elandは、HuggingFaceのモデルをデプロイする簡易なスクリプトを提供 eland_import_hub_model --url https://localhost:9200 \ -u <username> -p <password> \ --ca-certs xxxx \ --hub-model-id cl-tohoku/bert-base-japanese-v2 \ --task-type text_embedding \ モデルをローカルのElasticsearchにデプロイするコマンド
  8. 登録するドキュメントのEmbedding Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    9 • ingest pipeline で inference processorを利用する "inference": { "target_field": "inference.content", "model_id": "cl-tohoku__bert-base-japanese-v2", "inference_config": { "text_embedding": {} }, "field_map": { "content": "text_field" } }
  9. 登録するドキュメントのEmbedding Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    10 • ドキュメント登録時にパイプライン名を指定する POST blogs/_bulk?pipeline=text_embedding {"index":{}} {"title": "XXXX", "content": "XXXX"} {"index":{}} {"title": "XXXX", "content": "XXXX"} ... contentフィールドをembeddingした結果が inference.content配下に保存される
  10. 検索時のクエリ Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    11 • search APIのknnパラメータを指定する。 GET blogs/_search { "query": {...}, "knn": [ { "field": "vector.content", #ベクトルを入れたフィールド名 "k": 3, #上位3件の結果を取得 "num_candidates": "100", #類似度を計算する対象数 "query_vector_builder": { "text_embedding": { "model_id": "cl-tohoku__bert-base-japanese-v2", "model_text": "<検索したい文字列>" } } } ] }
  11. デモ Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    12 • 例として、技術ブログの記事を検索する • 通常の検索と組み合わせてセマンティック検索を用いることでランキングを改善す る。
  12. まとめ Copyright © Acroquest Technology Co., Ltd. All rights reserved.

    13 • Elasticsearch8.7からは、 ドキュメント登録時だけでなく、検索時にもembeddingできるようになった →結果、セマンティック検索がElasticsearchのみで完結するようになった。 • GPT4などをはじめとする大規模言語モデルも登場するなか、 より大きなモデル/多次元のベクトルへの対応および性能面が今後の注目ポイ ントと考えられる。