Aurora PostgreSQL에서 한국어 하이브리드 검색 구현하기: pg_bigm + pgvector로 만드는 한국어 특화 RAG
Aurora PostgreSQL에서 pg_bigm과 pgvector를 RRF로 결합해 한국어 하이브리드 검색을 구현하는 방법을 소개했습니다. 한국어 조사와 자연어 질문의 한계를 보완해 RAG 검색 품질을 높이는 구조와 예시를 제시했습니다.
#Aurora PostgreSQL#pg_bigm
58005분
필터 1
Amazon Aurora PostgreSQL에서 pgvector 0.8.0을 통한 벡터 검색 성능 및 관련성 향상
Amazon Aurora PostgreSQL에서 pgvector 0.8.0의 반복적 스캔과 비용 추정 개선을 소개했습니다. 필터링된 벡터 검색의 재현율과 지연 시간을 함께 개선하는 방법을 다뤘습니다.
#Amazon Aurora PostgreSQL#pgvector
44005분
Amazon Aurora PostgreSQL에서 Amazon Bedrock으로 벡터 임베딩 생성 자동화
Aurora PostgreSQL에서 Amazon Bedrock으로 임베딩을 자동 생성하는 5가지 방식을 비교했습니다. 요구사항에 따라 실시간 일관성, 확장성, 운영 단순성의 균형을 선택할 수 있습니다.
#Amazon Bedrock#Aurora PostgreSQL
38005분
티로의 Amazon Bedrock과 RDS를 활용한 대화 기록 기반 Ask Tiro 구현
Amazon Bedrock과 RDS for PostgreSQL로 대화 기록 기반 질의응답 기능을 구현한 사례를 소개했습니다. 의도 분석, 벡터 검색, 답변 생성 흐름으로 정확도와 다국어 대응을 높였습니다.
#Amazon Bedrock#Amazon RDS
61005분
PostgreSQL의 고급 검색 기능을 사용한 구직 검색 엔진 구축
PostgreSQL의 전체 텍스트, 벡터, 지리공간 검색을 결합해 구직 검색 엔진을 구축하는 방법을 소개했습니다.하이브리드 검색과 인덱싱, 파티셔닝 등 성능 최적화 포인트도 함께 정리했습니다.
#PostgreSQL#검색
83005분