Войти Регистрация
Data base

194. Похожие объявления: шины или диски в Казани

Лёгкая

Покупатель смотрит объявление о зимних шинах R16 в Казани. Блок «Похожие» показывает 3 объявления из Казани, категория шины или диски.

Метаданные: city, category. Индекс: размерность 4, метрика cosine. Вектор просмотренного объявления — [0.7, 0.2, 0.6, 0.3].

В работе: Похожие объявления с ограничением по городу и группе категорий.

Pinecone · Pinecone (эмулятор: точный перебор)

Индекс

Размерность 4, метрика cosine.

Пример: векторы

idvaluesmetadata
ad-10.7, 0.2, 0.6, 0.3{"city": "Казань", "category": "шины"}
ad-20.68, 0.25, 0.58, 0.3{"city": "Казань", "category": "диски"}
ad-30.71, 0.19, 0.61, 0.29{"city": "Набережные Челны", "category": "шины"}
ad-40.6, 0.3, 0.5, 0.4{"city": "Казань", "category": "аккумуляторы"}
ad-50.5, 0.4, 0.5, 0.4{"city": "Казань", "category": "шины"}
ad-60.1, 0.9, 0.1, 0.1{"city": "Казань", "category": "диски"}

Ожидаемый ответ

ad-1, ad-2, ad-5
Как проверяем Запрос — JSON, как тело index.query(): vector, topK и filter по метаданным. Ищем точным перебором по метрике индекса на 4 наборах векторов и сравниваем список id по порядку. Фильтр — по правилам Pinecone: $eq $ne $gt $gte $lt $lte $in $nin $exists $and $or. 
{"vector": [ … ], "topK": 3, "filter": { … }}
фильтр метаданных$in$eq

Источник: на данных классифайда: объявления автозапчастей. Условие пересказано своими словами.

Давали на собеседовании? Ответов пока мало — ваш поможет.