咨询一个意图识别(向量检索)方面的问题

[Hamao]

目前正在调研阿里云的 DashVector 向量检索

个人背景：没有很深的大模型理论基础，只会一般水平的使用

调研内容： 我将一大批问题向量化 TextEmbedding.Models.text_embedding_v2 (1536)维后存入向量数据库 其中有一个问题 a. 查询商品 ACD1231321 的价格

如果我现在有一个新的问题 b.查询 TCTLSS 的价格

我期望它通过向量检索去关联到 a ，那么实际上他的匹配度并不是很高，那我的想法是将 a 问题抽象成查询商品的价格。

就是这个意图识别的操作，请问 V 友们有什么比较好的建议呢？

[Hamao]

就相当于真实的问题中是包含一个变量的
查询商品{item_name}的价格，这个让我很苦恼，不知道如何去规避掉他的影响，使得真实的问题 与 向量数据库中的范例更加的贴近

[0x3933030]

文本向量化后的出来的向量，a 和 b
如果 a 和 b 是相近的话，那么根据向量化算法，a 和 b 的文本也是相似的。
反过来说，你想要通过 b 的原始文本和 a 的原始文本向量相近，那么只能够调整你的向量化算法的权重。

[maolon]

这场景不是更适合 sqlretriever 么，你的问题转化 sql 然后查询数据库。vector db 更适合搞知识库(比如问答 qa)查询。
当然你硬要这么搞也行，调整存到数据库的 a 的字段，尽量把信息搞的精简 比如类似 json 的那种格式 “商品名: acd, 价格: xxx, 生产公司: xxx,” 然后多余信息一点都不要给。
我之前做过一个查询工作的也是上面类似的思路

[0x3933030]

又或者你的 a 和 b 的原始文本差距很小，可能只有几个字的话，试试 simhash

[dayeye2006199]

这个就是分类之后的实体抽取。前大模型时代就是各自标注数据，搞两个模型。

大模型时代就是 prompt 工程，你仔细把规则写清楚，给把你放向量数据库里面的例子，直接 chatgpt 即可。

[Wo2uEAQ7HoEu7rls]

问题在于你的 embeding 模型不具备提取问题类型的能力，可以再次进行微调，训练集中让问题 a 与问题 b 得到的向量尽可能近，使模型在对问题编码的过程中更加注重问题类型的提取，而非商品类别

[Wo2uEAQ7HoEu7rls]

可以使用对比学习搞一下，样本 a 与样本 b 视作正样本，负样本可以生成一些，比如：“查询商品 ACD1231321 的价格”、“查询商品 ACD1231321 的颜色”。这两个问题得到的向量让它们远离

[Hamao]

@dayeye2006199 哥你的想法和我昨晚思考的一模一样，从向量数据库里捞出最相似的五条，直接写一个 prompt 丢给 qwen （千问 max ）让他帮忙分析+补全问题。

[Hamao]

感谢大家啦，每条都感谢了
其中 @Hellow0r1d ，您的这个其实是我想多了解一点的，但是如同个人背景所述：只会使用。平时时间比较有限，还要专注于其他的学习，导致我没时间去学习这一块的知识
我这边的想法与
@dayeye2006199 所述相似，因为我觉得这样能更好的减少投入（指 money ）😂，专业的事情交给专业的人，我就可以专注于其他的开发了