Hoe gebruik je metadata filters in de vector database?

Metadatas filters in vector databases worden gebruikt om de zoekopdracht op vectoren te beperken door rekening te houden met aanvullende attributen (metadatas) die aan elke vector zijn gekoppeld. Dit maakt het mogelijk om meer gerichte en relevante zoekopdrachten uit te voeren, door vector similarity search te combineren met filtering op eigenschappen.

Bijvoorbeeld, als je een vector database hebt met embeddings van documenten, en elk document bevat metadata: publicatiedatum, auteur, categorie, dan kun je zoeken naar vergelijkbare documenten, maar alleen onder degenen die na een bepaalde datum zijn gepubliceerd of tot een bepaalde categorie behoren.

Voorbeeld van gebruik (pseudo-code):

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

Zo helpen metadata filters om semantisch zoeken te combineren met bedrijfslogica en aanvullende criteria.