Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
So passen Sie die Aufnahme für eine Datenquelle an
Sie können die Vektoraufnahme anpassen, wenn Sie eine Datenquelle in der verbinden, AWS-Managementkonsole oder indem Sie den Wert des vectorIngestionConfiguration Felds beim Senden einer Anfrage ändern. CreateDataSource
Wählen Sie ein Thema aus, um zu erfahren, wie Sie Konfigurationen für die Anpassung der Aufnahme beim Herstellen einer Verbindung zu einer Datenquelle einbinden können:
Wählen Sie eine Analysestrategie
Verwaltete Wissensdatenbanken unterstützen zwei Analysestrategien:
-
SMART_PARSING(Standard) — Eine vom Service verwaltete Analysestrategie, die automatisch den besten Analyseansatz für Ihre Inhalte auswählt. Sie müssen kein Parsing-Modell konfigurieren oder zusätzliche Einstellungen vornehmen. -
MULTI_MODAL_EMBEDDINGS— Sendet Ihre Dateien direkt an ein natives multimodales Einbettungsmodell, anstatt sie in Text zu analysieren. Verwenden Sie diese Strategie nur, wenn Ihre Wissensdatenbank ein systemeigenes multimodales Einbettungsmodell verwendet. In diesem Fall ist dies die einzige Strategie, die unterstützt wird. Weitere Informationen finden Sie unter Native multimodale Verarbeitung.
Um Smart Parsing zu verwenden, können Sie das parsingConfiguration Feld entweder weglassen oder es wie vectorIngestionConfiguration folgt explizit angeben:
{ "parsingConfiguration": { "parsingStrategy": "SMART_PARSING" } }
Anmerkung
Andere Analysestrategien wie BEDROCK_FOUNDATION_MODEL und werden für verwaltete BEDROCK_DATA_AUTOMATION Wissensdatenbanken nicht unterstützt.
Wählen Sie eine Chunking-Strategie aus
Sie können anpassen, wie die Dokumente in Ihren Daten zum Speichern und Abrufen aufgeteilt werden. Informationen zu den Optionen für das Chunking von Daten in Wissensdatenbanken für Amazon Bedrock finden Sie unter So funktioniert das Inhalts-Chunking für Wissensdatenbanken.
Anmerkung
Chunking-Strategien gelten für Text. Wenn Ihre Wissensdatenbank ein systemeigenes multimodales Einbettungsmodell verwendet, werden Dateien direkt an das Einbettungsmodell gesendet, anstatt in Text umgewandelt zu werden, sodass diese Aufteilungsstrategien nicht angewendet werden können. Stattdessen steuern Sie, wie Audio- und Videodateien in Segmente aufgeteilt werden. Weitere Informationen finden Sie unter Native multimodale Verarbeitung.
Warnung
Die Aufteilungsstrategie kann nach dem Herstellen einer Verbindung zur Datenquelle nicht mehr geändert werden.
In der wählen AWS-Managementkonsole Sie die Chunking-Strategie, wenn Sie eine Verbindung zu einer Datenquelle herstellen. Mit der Amazon Bedrock-API fügen Sie eine ChunkingConfiguration in das chunkingConfiguration Feld der ein. VectorIngestionConfiguration
Wenn Sie diese Konfiguration weglassen oder die Standard-Chunking-Strategie angeben, verwendet der Service Chunking fester Größe mit 300 Token und einer Überlappung von 20%.
{ "chunkingConfiguration": { "chunkingStrategy": "DEFAULT" } }
Erweitern Sie den Abschnitt, der der Chunking-Strategie entspricht, die Sie verwenden möchten:
Um jedes Dokument in Ihrer Datenquelle als einen einzelnen Quellblock zu behandeln, geben Sie NONE im chunkingStrategy-Feld der ChunkingConfiguration an, wie im folgenden Format:
{ "chunkingStrategy": "NONE" }
Um jedes Dokument in Ihrer Datenquelle in Blöcke von ungefähr derselben Größe zu unterteilen, geben Sie FIXED_SIZE im chunkingStrategy Feld von die an ChunkingConfiguration und fügen Sie a FixedSizeChunkingConfiguration in das fixedSizeChunkingConfiguration Feld ein, wie im folgenden Format:
{ "chunkingStrategy": "FIXED_SIZE", "fixedSizeChunkingConfiguration": { "maxTokens": number, "overlapPercentage": number } }
Anmerkung
Semantisches Chunking wird für verwaltete Wissensdatenbanken nicht unterstützt.
