Come usare i filtri metadata nel database vettoriale?

I filtri dei metadati nei database vettoriali vengono utilizzati per limitare la ricerca sui vettori considerando attributi aggiuntivi (metadati) associati a ciascun vettore. Questo consente di eseguire query più precise e rilevanti, combinando la ricerca per somiglianza vettoriale e il filtraggio per proprietà.

Ad esempio, se hai un database vettoriale con embedding di documenti, e ogni documento contiene metadati: data di pubblicazione, autore, categoria, puoi cercare documenti simili, ma solo tra quelli pubblicati dopo una certa data o appartenenti a una categoria specifica.

Esempio di utilizzo (pseudo-codice):

query_vector = embed("esempio di query")
filters = {"category": "tecnologia", "date": {"$gte": "2023-01-01"}}
results = vector_db.search(query_vector, top_k=10, filter=filters)

In questo modo, i filtri dei metadati aiutano a combinare la ricerca semantica con la logica aziendale e criteri aggiuntivi.