Amazon Kendra自我管理 OpenSearch 的智慧型排名 - Amazon Kendra
智慧型搜尋外掛程式的運作方式設定智慧型搜尋外掛程式與智慧型搜尋外掛程式互動比較 OpenSearch 結果與Amazon Kendra結果

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

Amazon Kendra自我管理 OpenSearch 的智慧型排名

您可以利用 Amazon Kendra的語意搜尋功能來改善 OpenSearch 的搜尋結果，這是以 Apache 2.0 授權為基礎的自我管理開放原始碼搜尋服務。Intelligent Ranking Amazon Kendra外掛程式使用 以語意方式重新排序 OpenSearch 的結果Amazon Kendra。它透過從預設 OpenSearch 搜尋結果中了解使用特定欄位搜尋查詢的含義和內容，例如文件內文或標題。

例如，以此查詢為例：「主要主題演講地址」。由於「地址」有數個意義，因此 Amazon Kendra可以推斷查詢背後的意義，以傳回與預期意義一致的相關資訊。在這種情況下，它是會議主題演講地址。例如，更簡單的搜尋服務可能不會考慮意圖，並且可能會傳回 Main Street 上街道地址的結果。

OpenSearch 的 Intelligent Ranking 外掛程式適用於 OpenSearch （自我管理） 2.4.0 版及更新版本。您可以使用快速入門 Bash 指令碼安裝外掛程式，以使用隨附的 Intelligent Ranking 外掛程式建置 OpenSearch 的新 Docker 映像。請參閱 設定智慧型搜尋外掛程式— 這是可讓您快速啟動和執行的設定範例。

智慧型搜尋外掛程式的運作方式

適用於 OpenSearch 的 Intelligent Ranking 外掛程式 （自我管理） 的整體程序如下：

  1. OpenSearch 使用者發出查詢，而 OpenSearch 會提供查詢回應或與查詢相關的文件清單。

  2. Intelligent Ranking 外掛程式會取得查詢回應，並從文件中擷取資訊。

  3. Intelligent Ranking 外掛程式會呼叫 Amazon KendraIntelligent Ranking 的 Rescore API。

  4. Rescore API 會從文件中擷取資訊，並以語意方式重新排序搜尋結果。

  5. Rescore API 會將重新排名的搜尋結果傳回至外掛程式。外掛程式會重新排列 OpenSearch 搜尋回應中的搜尋結果，以反映新的語意排名。

Intelligent Ranking 外掛程式會使用「本文」和「標題」欄位來重新排序結果。這些外掛程式欄位可以映射到 OpenSearch 索引中最符合文件內文和標題定義的欄位。例如，如果您的索引包含含有 "chapter_heading" 和 "chapter_contents" 欄位的書籍章節，您可以將前者映射至 "title"，後者映射至 "body"，以取得最佳結果。

設定智慧型搜尋外掛程式

以下概述如何使用 Intelligent Ranking 外掛程式快速設定 OpenSearch （自我管理）。

使用 Intelligent Ranking 外掛程式設定 OpenSearch （自我管理） （快速設定）

如果您已使用 Docker 映像 opensearch:2.4.0，您可以使用此 Dockerfile 搭配 Intelligent Ranking 外掛程式建置 OpenSearch 2.4.0 的新映像。您可以在 docker-compose.yml 檔案或 opensearch.yml 檔案中包含新映像的容器。您也可以包含從建立重新評分執行計畫產生的重新評分執行計畫 ID，以及您的區域和端點資訊，請參閱建立重新評分執行計畫的步驟 2。

如果您先前下載的 Docker opensearch 映像版本早於 2.4.0，則必須使用 Docker 映像opensearch:2.4.0或更新版本，並使用隨附的 Intelligent Ranking 外掛程式建置新的映像。

  1. 為您的作業系統下載並安裝 Docker Desktop。Docker Desktop 包括 Docker Compose 和 Docker Engine。建議您檢查電腦是否符合 Docker 安裝詳細資訊中所述的系統需求。

    您也可以在 Docker 桌面的設定中增加記憶體用量需求。在 Docker 服務的免費可用用量限制之外，您必須負責 Docker 的用量需求。請參閱 Docker 訂閱。

    檢查 Docker 桌面狀態為「執行中」。

  2. 佈建Amazon Kendra智慧型排名和您的容量需求。佈建Amazon Kendra Intelligent Ranking 後，會根據您設定的容量單位，按小時向您收費。請參閱免費方案和定價資訊。

    您可以使用 CreateRescoreExecutionPlan API 來佈建 Rescore API。如果您不需要超過單一單位預設值的容量單位，請勿新增更多單位，並僅提供重新評分執行計畫的名稱。您也可以使用 UpdateRescoreExecutionPlan API 來更新容量需求。如需詳細資訊，請參閱對搜尋服務的結果進行語意排名。

    或者，您也可以前往步驟 3，在執行快速啟動 Bash 指令碼時建立預設的重新評分執行計畫。

    對於步驟 4，請注意回應中包含的重新評分執行計畫 ID。

    CLI
    aws kendra-ranking create-rescore-execution-plan \
  --name MyRescoreExecutionPlan \ 
  --capacity-units '{"RescoreCapacityUnits":<integer number of additional capacity units>}'
 
Response:
 
{
    "Id": "<rescore execution plan ID>",
    "Arn": "arn:aws:kendra-ranking:<region>:<account-id>:rescore-execution-plan/<rescore-execution-plan-id>"
}
    Python
    import boto3
from botocore.exceptions import ClientError
import pprint
import time

kendra_ranking = boto3.client("kendra-ranking")

print("Create a rescore execution plan.")

# Provide a name for the rescore execution plan
name = "MyRescoreExecutionPlan"
# Set your required additional capacity units
# Don't set capacity units if you don't require more than 1 unit given by default
capacity_units = 1

try:
    rescore_execution_plan_response = kendra_ranking.create_rescore_execution_plan(
        Name = name,
        CapacityUnits = {"RescoreCapacityUnits":capacity_units}
    )

    pprint.pprint(rescore_execution_plan_response)

    rescore_execution_plan_id = rescore_execution_plan_response["Id"]

    print("Wait for Amazon Kendra to create the rescore execution plan.")

    while True:
        # Get the details of the rescore execution plan, such as the status
        rescore_execution_plan_description = kendra_ranking.describe_rescore_execution_plan(
            Id = rescore_execution_plan_id
        )
        # When status is not CREATING quit.
        status = rescore_execution_plan_description["Status"]
        print(" Creating rescore execution plan. Status: "+status)
        time.sleep(60)
        if status != "CREATING":
            break

except ClientError as e:
        print("%s" % e)

print("Program ends.")

  3. 從主分支下拉式清單中選取版本分支，從 GitHub 為您的 OpenSearch 版本下載快速入門 Bash 指令碼。

    此指令碼會使用您在 GitHub 儲存庫上為指令碼選取的版本，針對 OpenSearch 和 OpenSearch Dashboards 使用 Docker 映像。它會下載 Intelligent Ranking 外掛程式的 zip 檔案，並產生 Dockerfile以建置包含外掛程式之 OpenSearch 的新 Docker 映像。它也會建立 docker-compose.yml 檔案，其中包含使用 Intelligent Ranking 外掛程式和 OpenSearch Dashboards 的 OpenSearch 容器。指令碼會將您的 rescore 執行計畫 ID、區域資訊和端點 （使用區域） 新增至 docker-compose.yml 檔案。然後，指令碼會執行 docker-compose up來啟動包含智慧型排名和 OpenSearch Dashboards 的 OpenSearch 容器。若要停止容器而不將其移除，請執行 docker-compose stop。若要移除容器，請執行 docker-compose down。

  4. 開啟終端機，並在 Bash 指令碼的 目錄中執行下列命令。

    bash search_processing_kendra_quickstart.sh -p <execution-plan-id> -r <region>

    當您執行此命令時，請提供您在佈建 Amazon KendraIntelligent Ranking 時在步驟 2 中記下的重新評分執行計畫 ID，以及您的區域資訊。或者，您可以使用 --create-execution-plan選項改為佈建 Amazon KendraIntelligent Ranking。這會建立具有預設名稱和預設容量的重新評分執行計畫。

    若要在移除預設暫時性容器時不遺失索引，您可以使用 --volume-name選項提供資料磁碟區名稱，讓索引在執行期間持續存在。如果您先前已建立索引，您可以在 docker-compose.yml 或 opensearch.yml 檔案中指定磁碟區。若要保持磁碟區完整，請勿執行 docker-compose down -v。

    快速入門 Bash 指令碼會在 OpenSearch 金鑰存放區中設定您的AWS登入資料，以連線至 Amazon KendraIntelligent Ranking。若要將您的AWS登入資料提供給指令碼，請使用 --profile選項來指定AWS設定檔。如果未指定 --profile選項，則快速啟動 Bash 指令碼會嘗試從環境變數讀取AWS登入資料 （存取/私密金鑰、選用工作階段字符），然後從預設AWS設定檔讀取登入資料。如果未指定 --profile選項，且找不到登入資料，則指令碼不會將登入資料傳遞至 OpenSearch 金鑰存放區。如果 OpenSearch 金鑰存放區中未指定登入資料，則外掛程式仍會檢查預設登入資料提供者鏈結中的登入資料，包括容器Amazon ECS登入資料或透過Amazon EC2中繼資料服務傳遞的執行個體設定檔登入資料。

    請確定您已建立具有必要許可的 IAM角色，以叫用 Amazon KendraIntelligent Ranking。以下是授予許可以使用 Rescore API 進行特定重新評分執行計畫IAM的政策範例：

docker-compose.yml 的範例

使用 OpenSearch 2.4.0 或更新版本搭配 Intelligent Ranking 外掛程式和 OpenSearch Dashboards 2.4.0 或更新版本的 docker-compose.yml 檔案範例。

version: '3'
networks:
  opensearch-net:
volumes: 
  <volume-name>:
services:
  opensearch-node:
    image: <Docker image tag name of OpenSearch with Intelligent Ranking plugin>
    container_name: opensearch-node
    environment: 
      - cluster.name=opensearch-cluster
      - node.name=opensearch-node
      - discovery.type=single-node
      - kendra_intelligent_ranking.service.endpoint=https://kendra-ranking.<region>.api.aws
      - kendra_intelligent_ranking.service.region=<region>
      - kendra_intelligent_ranking.service.execution_plan_id=<rescore-execution-plan-id>
    ulimits:
      memlock:
        soft: -1
        hard: -1
      nofile:
        soft: 65536
        hard: 65536
    ports:
      - 9200:9200
      - 9600:9600
    networks:
      - opensearch-net
  volumes:
    <docker-volume-name>:/usr/share/opensearch/data 
  opensearch-dashboard:
   image: opensearchproject/opensearch-dashboards:<your-version>
   container_name: opensearch-dashboards
   ports:
     - 5601:5601
   environment:
     OPENSEARCH_HOSTS: '["https://opensearch-node:9200"]'
   networks:
     - opensearch-net

Dockerfile 和建置映像的範例

Dockerfile 使用 OpenSearch 2.4.0 或更新版本搭配 Intelligent Ranking 外掛程式的 範例。

FROM opensearchproject/opensearch:<your-version>
RUN /usr/share/opensearch/bin/opensearch-plugin install --batch  https://github.com/opensearch-project/search-processor/releases/download/<your-version>/search-processor.zip

使用 Intelligent Ranking 外掛程式為 OpenSearch 建置 Docker 映像。

docker build --tag=<Docker image tag name of OpenSearch with Intelligent Ranking plugin>

與智慧型搜尋外掛程式互動

使用 Intelligent Ranking 外掛程式設定 OpenSearch （自我管理） 後，您可以使用 curl 命令或 OpenSearch 用戶端程式庫與外掛程式互動。使用 Intelligent Ranking 外掛程式存取 OpenSearch 的預設登入資料是使用者名稱 'admin' 和密碼 'admin'。

若要將 Intelligent Ranking 外掛程式設定套用至 OpenSearch 索引：

Curl
curl -XPUT "https://localhost:9200/<your-docs-index>/_settings" -u 'admin:admin' --insecure -H 'Content-Type: application/json' -d'
{
  "index": {
    "plugin" : {
      "searchrelevance" : {
        "result_transformer" : {
          "kendra_intelligent_ranking": {
              "order": 1,
              "properties": {
                "title_field": "title_field_name_here",
                "body_field": "body_field_name_here"
              }
          }
        }
      }
    }
  }
}
'
Python
pip install opensearch-py

from opensearchpy import OpenSearch
host = 'localhost'
port = 9200
auth = ('admin', 'admin')

client = OpenSearch(
    hosts = [{'host': host, 'port': port}],
    http_compress = True, # enables gzip compression for request bodies
    http_auth = auth,
    # client_cert = client_cert_path,
    # client_key = client_key_path,
    use_ssl = True,
    verify_certs = False,
    ssl_assert_hostname = False,
    ssl_show_warn = False,
    ca_certs = ca_certs_path
)

setting_body = {
    "index": {
        "plugin" : {
            "searchrelevance" : {
                "result_transformer" : {
                    "kendra_intelligent_ranking": {
                            "order": 1,
                            "properties": {
                                "title_field": "title_field_name_here",
                                "body_field": "body_field_name_here"
                            }
                    }
                }
            }
        }
    }
}

response = client.indices.put_settings(index_name, body=setting_body)

您必須包含要用來重新排名的主要文字欄位名稱，例如文件內文或文件內容欄位。您也可以包含其他文字欄位，例如文件標題或文件摘要。

現在，您可以發出任何查詢，並使用 Intelligent Ranking 外掛程式對結果進行排名。

Curl
curl -XGET "https://localhost:9200/<your-docs-index>/_search?pretty" -u 'admin:admin' --insecure -H 'Content-Type: application/json' -d'
{
  "query" : {
    "match" : {
      "body_field_name_here": "intelligent systems"
    }
  }
}
'
Python
from opensearchpy import OpenSearch
host = 'localhost'
port = 9200
auth = ('admin', 'admin')

client = OpenSearch(
    hosts = [{'host': host, 'port': port}],
    http_compress = True, # enables gzip compression for request bodies
    http_auth = auth,
    # client_cert = client_cert_path,
    # client_key = client_key_path,
    use_ssl = True,
    verify_certs = False,
    ssl_assert_hostname = False,
    ssl_show_warn = False,
    ca_certs = ca_certs_path
)

query = {
  'size': 10,
  "query" : {
    "match" : {
      "body_field_name_here": "intelligent systems"
    }
  }
}

response = client.search(
    body = query,
    index = index_name
)

print('\nSearch results:')
print(response)

若要移除 OpenSearch 索引的 Intelligent Ranking 外掛程式設定：

Curl
curl -XPUT "http://localhost:9200/<your-docs-index>/_settings" -H 'Content-Type: application/json' -d'
{
  "index": {
    "plugin": {
      "searchrelevance": {
        "result_transformer": {
          "kendra_intelligent_ranking.*": null
        }
      }
    }
  }
}
'
Python
from opensearchpy import OpenSearch
host = 'localhost'
port = 9200
auth = ('admin', 'admin')

client = OpenSearch(
    hosts = [{'host': host, 'port': port}],
    http_compress = True, # enables gzip compression for request bodies
    http_auth = auth,
    # client_cert = client_cert_path,
    # client_key = client_key_path,
    use_ssl = True,
    verify_certs = False,
    ssl_assert_hostname = False,
    ssl_show_warn = False,
    ca_certs = ca_certs_path
)

setting_body = {
  "index": {
    "plugin": {
      "searchrelevance": {
        "result_transformer": {
          "kendra_intelligent_ranking.*": null
        }
      }
    }
  }
}

response = client.indices.put_settings(index_name, body=setting_body)

若要在特定查詢上測試 Intelligent Ranking 外掛程式，或在特定內文和標題欄位上測試：

Curl
curl -XGET "https://localhost:9200/<your-docs-index>/_search?pretty" -u 'admin:admin' --insecure -H 'Content-Type: application/json' -d'
{
  "query": {
    "multi-match": {
      "query": "intelligent systems",
      "fields": ["body_field_name_here", "title_field_name_here"]
    }
  },
  "size": 25,
  "ext": {
    "search_configuration": {
      "result_transformer": {
        "kendra_intelligent_ranking": {
          "order": 1,
          "properties": {
            "title_field": "title_field_name_here",
            "body_field": "body_field_name_here"
          }
        }
      }
    }
  }
}
'
Python
from opensearchpy import OpenSearch
host = 'localhost'
port = 9200
auth = ('admin', 'admin')

client = OpenSearch(
    hosts = [{'host': host, 'port': port}],
    http_compress = True, # enables gzip compression for request bodies
    http_auth = auth,
    # client_cert = client_cert_path,
    # client_key = client_key_path,
    use_ssl = True,
    verify_certs = False,
    ssl_assert_hostname = False,
    ssl_show_warn = False,
    ca_certs = ca_certs_path
)

# Index settings null for kendra_intelligent_ranking

query = {
  "query": {
    "multi_match": {
      "query": "intelligent systems",
      "fields": ["body_field_name_here", "title_field_name_here"] 
    }
  },
  "size": 25,
  "ext": {
    "search_configuration": {
      "result_transformer": {
        "kendra_intelligent_ranking": {
          "order": 1,
          "properties": {
            "title_field": "title_field_name_here",
            "body_field": "body_field_name_here"
          }
        }
      }
    }
  }
}

response = client.search(
    body = query,
    index = index_name
)

print('\nSearch results:')
print(response)

比較 OpenSearch 結果與Amazon Kendra結果

您可以side-by-side比較 OpenSearch （自我管理） 排名結果Amazon Kendra與重新排名的結果。OpenSearch Dashboards 2.4.0 版和更新版本提供side-by-side結果，讓您可以比較 OpenSearch 如何對文件進行排名，以及Amazon Kendra外掛程式如何對文件進行排名以進行搜尋查詢。

在您可以將 OpenSearch 排名結果與Amazon Kendra重新排名的結果進行比較之前，請確定您的 OpenSearch Dashboards 由具有 Intelligent Ranking 外掛程式的 OpenSearch 伺服器提供支援。您可以使用 Docker 和快速啟動 Bash 指令碼進行設定。請參閱 設定智慧型搜尋外掛程式。

以下概述如何在 OpenSearch Dashboards 中比較 OpenSearch 和Amazon Kendra搜尋結果。如需詳細資訊，請參閱 OpenSearch 文件。

在 OpenSearch Dashboards 中比較搜尋結果

  1. 開啟 http://localhost:5601 並登入 OpenSearch Dashboards。預設登入資料是使用者名稱 'admin' 和密碼 'admin'。

  2. 從導覽功能表中的 OpenSearch 外掛程式選取搜尋關聯。

  3. 在搜尋列中輸入搜尋文字。

  4. 選取查詢 1 的索引，然後在 OpenSearch Query DSL 中輸入查詢。您可以使用 %SearchText%變數來參考您在搜尋列中輸入的搜尋文字。如需此查詢的範例，請參閱 OpenSearch 文件。此查詢傳回的結果是未使用 Intelligent Ranking 外掛程式的 OpenSearch 結果。

  5. 選取查詢 2 的相同索引，然後在 OpenSearch Query DSL 中輸入相同的查詢。此外，使用 加入 擴充功能，kendra_intelligent_ranking並指定body_field要排名的強制性 。您也可以指定標題欄位，但內文欄位是強制性的。如需此查詢的範例，請參閱 OpenSearch 文件。此查詢傳回的結果是使用 Intelligent Ranking 外掛程式Amazon Kendra重新排名的結果。外掛程式最多可排名 25 個結果。

  6. 選取搜尋以傳回和比較結果。