Data & AILa recherche sous stéroïdes - une histoire de sémantique
La recherche et la recommandation de produits est au cœur de notre business. L’utilisation de la Vector Search, combiné a une recherche full-text grâce à Elasticsearch nous a permis d’améliorer la pertinence de nos résultats en utilisant le meilleur des deux mondes.
Nous utiliserons un exemple reel pour détailler comment mettre en place la recherche vectorielle, en utilisant Elasticsearch comme Vector Database. Nous aborderons ensuite les points importants (comment choisir son modèle, Reciprocal Rank Fusion …) et les limites de cette solution. Nous terminerons par voir comment la mise en place de cette stack technique nous a également permis d’améliorer notre moteur de recommandation basé sur la connaissance et de déployer des assistants LLM en utilisant Elasticsearch et OpenAI.
talkDetail.whenAndWhere
Nous utiliserons un exemple reel pour détailler comment mettre en place la recherche vectorielle, en utilisant Elasticsearch comme Vector Database. Nous aborderons ensuite les points importants (comment choisir son modèle, Reciprocal Rank Fusion …) et les limites de cette solution. Nous terminerons par voir comment la mise en place de cette stack technique nous a également permis d’améliorer notre moteur de recommandation basé sur la connaissance et de déployer des assistants LLM en utilisant Elasticsearch et OpenAI.
Mathilde Rigabert
comments.speakerNotEnabledComments