หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การทำแผนที่ห้อง IA API (README.MD)

สารบัญ

  • ภาพรวม
  • ฝังคืออะไร
  • เทคโนโลยี
  • การติดตั้ง
  • การใช้งาน
  • ข้อมูลล่วงหน้าและแบบสอบถามตัวอย่าง
  • การดีบักใน Visual Studio
  • ตัวอย่างการโทร Openia API
  • การกำหนดราคา Openia API

ภาพรวม

ห้องทำแผนที่-AI เป็นเว็บ API ที่พิสูจน์แนวคิด (POC) ที่ช่วยให้ผู้ใช้ค้นหาการจับคู่ที่ดีที่สุดของชื่อห้องพักในโรงแรม

ส่วนผสมที่สำคัญที่สุดในแอปพลิเคชันนี้คือการรวมกันของ OpenAI Embedding SDK และฐานข้อมูล PostgreSQL กับส่วนขยายเวกเตอร์

เมื่อมีชื่อห้องพักโรงแรมใหม่ API จะดึงเวกเตอร์ฝังตัวจาก OpenAI API และเก็บไว้ในฐานข้อมูล PostgreSQL

จากนั้นจะใช้ฟังก์ชั่นการค้นหาดั้งเดิมใน PostgreSQL เพื่อค้นหาการจับคู่ที่อาจเกิดขึ้นตามความคล้ายคลึงกันของเวกเตอร์ระยะทาง

ทั้ง Web API และฐานข้อมูล Postgres ทำงานในคอนเทนเนอร์ไม่จำเป็นต้องติดตั้งอะไรนอกเหนือจาก Docker

โมเดลที่ใช้สำหรับการคำนวณการฝังอยู่ทางด้านโอเพเนียคือ: AdaTextEmbedding

ฝังคืออะไร

การฝังข้อความของ Openai วัดความเกี่ยวข้องของสตริงข้อความ Embeddings มักใช้สำหรับ:

ค้นหา (โดยที่ผลลัพธ์ได้รับการจัดอันดับโดยเกี่ยวข้องกับสตริงแบบสอบถาม)

การฝังคือเวกเตอร์ (รายการ) ของหมายเลขจุดลอยตัว ระยะห่างระหว่างเวกเตอร์สองตัววัดความสัมพันธ์ของพวกเขา

ระยะทางเล็ก ๆ แนะนำความเกี่ยวข้องสูงและระยะทางไกลแนะนำความสัมพันธ์ต่ำ

เทคโนโลยี

  • Openai Embeddings
  • openai-api-dotnet
  • PostgreSQL พร้อมส่วนขยาย pgVector
  • นักเทียบท่า
  • C# 7.0

การติดตั้ง

ข้อกำหนดเบื้องต้น

  • นักเทียบท่า

ขั้นตอน

  1. โคลนที่เก็บ: https://github.com/brunonuzzi/room-mapping-ai

  2. สร้างคีย์ Open AI ของคุณ: https://platform.openai.com/account/api-keys

  3. นำทางไปยังไดเรกทอรีโครงการ: cd room-mapping-ai

  4. แทนที่ Room-Mapping-AI/AppSettings.json ด้วยคีย์ API แบบเปิดของคุณเอง 

 "OpenAI" : {
    "ApiKey" : " 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 "
  }

  1. สร้างคอนเทนเนอร์ Docker โดยใช้ Docker: docker-compose build

  2. เรียกใช้นักเทียบท่าเขียน: docker-compose up

  3. ไปที่ http: // localhost: 5000/swagger/index.html

หากต้องการหยุดและลบคอนเทนเนอร์: docker-compose down --remove-orphans

การใช้งาน

หากต้องการใช้การทำแผนที่ห้อง AI API ให้ส่งคำขอโพสต์พร้อมชื่อห้องพักเป็นตัวถังคำขอ 

curl -X ' POST ' 
  ' http://localhost:5000/api/RoomMapping/GetMostSimilarRooms?roomName=Serenity%20Luxury ' 
  -H ' accept: text/plain ' 
  -d ' '

API จะตอบกลับด้วยรายการการแข่งขันที่มีศักยภาพ: 

[
  {
    "id" : 1 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Serenity Suite " ,
    "vectorDistance" : 0.06337405572419863
  },
  {
    "id" : 10 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Serenity Double Room " ,
    "vectorDistance" : 0.08145154924929454
  },
  {
    "id" : 5 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Royal Executive Suite " ,
    "vectorDistance" : 0.15970261195384094
  },
  {
    "id" : 4 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Urban Escape Penthouse " ,
    "vectorDistance" : 0.16005893649310143
  },
  {
    "id" : 2 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Ocean View Deluxe " ,
    "vectorDistance" : 0.16867594238009598
  }
]

ข้อมูลล่วงหน้าและแบบสอบถามตัวอย่าง

การสร้างการเชื่อมต่อฐานข้อมูล

เปิดไคลเอนต์ PostgreSQL ที่คุณต้องการ (PSQL, PGADMIN หรือ DBEAVER) และสร้างการเชื่อมต่อใหม่:

  • โฮสต์: localhost
  • พอร์ต: 5432
  • ชื่อผู้ใช้: roommapping-user
  • รหัสผ่าน: roommapping-password
  • ชื่อฐานข้อมูล: room-mapping

แสดงรายการข้อมูลล่วงหน้า

การทำแผนที่-AI มาพร้อมกับข้อมูลที่มีเมล็ดล่วงหน้าเพื่อช่วยให้คุณเริ่มต้นได้อย่างรวดเร็ว ข้อมูลนี้รวมถึงการรวบรวมชื่อห้องพักในโรงแรมพร้อมเวกเตอร์ฝังที่เกี่ยวข้อง ในการสำรวจข้อมูลล่วงหน้าและเข้าใจความสามารถของแอปพลิเคชันได้ดีขึ้นคุณสามารถดำเนินการสืบค้นตัวอย่างได้โดยตรงบนฐานข้อมูล PostgreSQL

ตัวอย่างเช่นคุณสามารถใช้แบบสอบถามต่อไปนี้เพื่อค้นหาห้องพักที่คล้ายกันมากที่สุด 5 ห้องที่คล้ายกันมากที่สุดในห้อง ID = 1 (Serenity Suite) ตามเวกเตอร์ฝังของพวกเขา: 

 SELECT   Id
          ,HotelName
         ,RoomName
         ,CreatedDate
         , ' Serenity Suite ' SearchedRoomName
         ,embedding <=> ( select embedding from rooms where id = 1 )
         as vector_distance
FROM     public . Rooms
ORDER BY vector_distance limit 5

ตัวดำเนินการ <=> ในการสืบค้นก่อนหน้าหมายถึง cosine distance คุณจะหาผู้ให้บริการอื่น ๆ ได้ที่นี่

ฐานข้อมูลจะสร้างผลลัพธ์ต่อไปนี้

รหัสประจำตัว ชื่อโรงแรม ชื่อห้อง CreateDDate searchedroomname vector_distance
1 หิน Mallorca Serenity Suite 2023-03-28 Serenity Suite 0
13 หิน Mallorca ความหรูหราที่หรูหรา 2023-03-28 Serenity Suite 0.06337405572419863
10 หิน Mallorca ห้องพักคู่ที่เงียบสงบ 2023-03-28 Serenity Suite 0.06572621072063112
5 หิน Mallorca ราชสำนัก 2023-03-28 Serenity Suite 0.12737531341984398
3 หิน Mallorca ห้องระเบียงสวน 2023-03-28 Serenity Suite 0.1471648253749488

เพื่อความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีการเพาะเมล็ดคุณสามารถตรวจสอบไฟล์ seed.sql

การดีบักใน Visual Studio

ในการดีบัก WEP API บน Visual Studio ก่อนอื่นตรวจสอบให้แน่ใจว่าได้ลบคอนเทนเนอร์ที่มีอยู่ทั้งหมดที่เกี่ยวข้องกับ Web API เพื่อหลีกเลี่ยงการพอร์ตความขัดแย้ง

เมื่อตู้คอนเทนเนอร์ถูกลบออกเพียงแค่เปิด room-mapping-ai.sln บน Visual Studio และเปิดตัวนักเทียบท่า

Web API ควรเปิดตัวและจะมีการแนบดีบัก

ตัวอย่างการโทร Openia API

โค้ดตัวอย่างเพื่อโทรหา OpenAI API และสร้างเวกเตอร์ฝังตัวสำหรับชื่อห้องพักของโรงแรม 

curl https://api.openai.com/v1/embeddings 
  -H " Content-Type: application/json " 
  -H " Authorization: Bearer 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 " 
  -d ' {
    "input": "Ocean View Deluxe",
    "model": "text-embedding-ada-002"
  } '

ผลลัพธ์ที่คาดหวัง: 

{
  "object" : " list " ,
  "data" : [
    {
      "object" : " embedding " ,
      "index" : 0 ,
      "embedding" : [
        0.0041769226 ,
        0.0067320974 ,
        ...
      ]
    }
  ],
  "model" : " text-embedding-ada-002-v2 " ,
  "usage" : {
    "prompt_tokens" : 3 ,
    "total_tokens" : 3
  }
}

การกำหนดราคา Openia API

การทำแผนที่-AI API ใช้ OpenAI API สำหรับการสร้างเวกเตอร์ฝัง ราคาตอนนี้คือ $ 0.0004/1K โทเค็น

สตริงเฉลี่ยเช่น "Serenity Double Room" มี 3 โทเค็น คุณสามารถตรวจสอบราคาได้ที่นี่

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด