セマンティック RAG モデルで生成 AI の精度が最大40%向上します。
MarkLogic サーバーにベクトル埋め込みを保存、インデックス化、クエリし、ネイティブにベクトル演算を実行することで、生成 AI の精度を最大化します。 詳細
クエリ実行時に生成されるリレーショナルビューを使用して、大規模かつアドホックな分析をコスト効率よく実行できます。
より優れたドキュメントランキングで全文検索を向上させ、最も関連性の高い検索結果を上位に返します。
経路計画、ネットワーク最適化、リソース割り当てに関する現実の問題を解決します。
リソースの利用効率を最適化しながら、ワークロードの変化に応じてクラスタをスケールアップ・ダウンできます。
セキュリティ体制を強化し、テクノロジースタックをモダナイズし、戦略に最適な環境へのデプロイを可能にします。
使い慣れた IDE から FastTrack のドキュメントを直接参照でき、開発効率を最大化できます。
VS Code、IntelliJ、Atom、Eclipse などに対応しています。
豊富な機能を備えた React コンポーネントと AI コーディングアシスタントで、エンタープライズ向けアプリケーションの開発を効率化します。デザインテーマ、アクセシビリティ、ローカリゼーション、統一された API を標準で備えています。
自然言語と AI を活用することで、大規模で複雑なデータセットをより深く理解できるようになります。FastTrack の検索機能や、任意の AI プロバイダーとシームレスに連携します。
PDF や画像などのファイルをプレビューし、ファイルのメタデータを UI 上で直接編集できます。また、AI 検索結果から取得した元ドキュメントのコンテンツ表示にも対応しています。
情報の探索やフィルタリング方法をより細かくコントロールできます。複数条件や複雑な (AND/OR) ファセットの組み合わせを適用して結果を絞り込むオプションを標準で提供し、検索結果をより精緻に絞り込めます。
MarkLogic Server に保存された情報に対して、安全で詳細なアクセスコントロールを実装する方法を紹介します。ユーザーは許可された検索結果のみを表示できます。
使い慣れた IDE から FastTrack のドキュメントを直接参照でき、開発効率を最大化できます。MarkLogic FastTrack は、VS Code、IntelliJ、Atom、Eclipse、WebStorm などの主要な IDE をサポートしています。
MarkLogic FastTrack には定評のある UI コンポーネントライブラリ Progress® KendoReact™ のライセンスが含まれています。コンポーネントに特化して学習した AI コーディングアシスタントが、最初から本番品質のコードを生成する支援をします。
新しい AI サマリー・コンポーネントは、FastTrack の検索機能や、任意の AI プロバイダーとシームレスに連携し、ユーザーのクエリに対する回答と、参照元ドキュメントへのバックリンク付き引用リストを表示します。
新しい FileDisplay ウィジェットは、XML や JSON、PDF、Word ドキュメント、画像ファイルなどのファイルコンテンツを表示できます。AI ソースドキュメントや検索結果の表示にも対応しています。
EntityEditor ウィジェットは、ファイルのプロパティを一覧表示し、その編集をサポートします。
FastTrack のファセットコンポーネントは、以下の機能をサポートするようになりました。
ファセット検索のサンプルアプリケーションでは、JWT ベースの認証と MarkLogic の要素レベルセキュリティを組み合わせた実装を紹介しています。検索結果を表示する際は、割り当てられたロールに基づき、ユーザーが権限を持つプロパティのみが表示されます。
ドキュメントにセマンティックな関係性を付加し、より豊かなナレッジグラフを簡単に構築できます。
デモを視る
すでに読み込まれたドキュメントをスキップしながら、新しい情報でナレッジリポジトリをインテリジェントに更新します。
デモを視る
ユーザーフレンドリーなコネクテッドデータ体験により、プロセスを直観的に理解可能です。ドメインナレッジに関する新たなインサイトを明らかにします。
出自、検証、データアクセスルールを一元化し、すべてのフローやモデルに一度で同時に適用できます。
異常な動作が発生した場合に、システム内の現在のアクティビティを調査してトラブルシューティングします。
Progress Semaphore やその他のソースからセマンティックナレッジモデルを MarkLogic Data Hub にインポートし、それらを使用してエンティティ間の関係性をモデル化できます。これにより、ドキュメントにセマンティックな文脈を付加し、MarkLogic プラットフォーム上で豊かなナレッジグラフを迅速に構築できます。
Progress Semaphore のセマンティックナレッジモデルなど、外部で定義されたスキーマに基づいてデータをモデリングし、エンティティ間の関係を追加・定義できます。
アップロードされた JSON または XML スキーマに基づいて生成された SQL ビューを使用して新しいドキュメントをクエリし、エンティティ間の関係に関する詳細情報を取得できます。
構造化されたセマンティックデータによりナレッジグラフを強化し、複雑な関係、クエリ、および推論への対応力を高めます。
Data Hub 6.2 のスマートコレクターは、ドキュメントを読み込む際にハッシュ化を行い、すでに読み込まれたドキュメントを識別して再処理を回避することで、処理時間を短縮できます。例えば、600件のドキュメントを MarkLogic サーバーに読み込む場合、スマートコレクターはすでに読み込まれたドキュメントを正確に識別してスキップし、一度に処理されるドキュメント数を削減します。
スマートコレクターはドキュメントを Data Hub に読み込む際にハッシュ化を行います。同じドキュメントが以前に読み込まれていたかどうかを判別でき、重複処理を防ぎます。
スマートコレクターは、新しいドキュメントのみを処理対象とすることで、処理時間を大幅に短縮します。特に、一部のドキュメントが重複する大規模データセットを扱う場合に有効です。
スマートコレクターは、グローバル設定または個別のステップごとに有効か無効かを切り替えることができます。この柔軟性により、ユーザーは自身のニーズやワークフローに合わせて機能を調整できます。
セマンティックデータモデルをより明快に表現することで、関連付けられた大量のデータを直感的に探索し、より迅速にインサイトを引き出すことができます。Explore モジュールの個々のノードにズームインでき、また興味対象のデータポイントの周りの「ノイズ」を画面上から自動的に除去することで、極めて詳細な内容にフォーカスできます。新しいエンティティグルーピング機能では、データ全体をドラッグ&ドロップでサブセットに整理できます。またビューをすっきりさせ、複雑なグラフをシンプルに表示できます。
ナレッジグラフをナビゲートし、個々のデータポイントを展開して、複雑に関連付けられたグラフのデータセットを整理して表示できます。
ナレッジグラフ内のノードを、グラフ視覚化 UI を使って線で繋ぐことができます。
ナレッジグラフのデータポイントをドラッグ&ドロップでクラスタに整理し、ビューを整理してシンプルにできます。
MarkLogic Data Hub のグローバル設定メニューから、出自、エンティティ検証、ターゲット権限の設定を一元的に管理できるようになりました。新しい「グローバル設定」メニューでは、アプリケーション全体に適用するプロパティを設定・構成できます。
粒度が粗い、粒度が細かい、またはリネージなしから選択できます。
キュレーションフローの一環である検証設定を使用すると、データをエンティティ定義にどの程度厳密に準拠させるかを指定できます。
独自のターゲット権限設定がないすべてのステップの出力に適用できます。例えば、あるユーザーには、マッピングされたデータのみにアクセスを許可し、ステージングデータベース内の生データへのアクセスは許可しないことができます。
MarkLogic Data Hub が期待どおりに動作しない場合に、診断を実行できます。新しいデバッグタスクを使用すると、現在のすべてのアクティビティを表示するシステムログを開始できるため、最新のジョブ、アプリケーションサーバーへの接続ステータス、および最近作成されたユーザーロールとエンティティをすばやく確認できます。
ドキュメントから行データを抽出するためのテンプレート駆動型抽出 (TDE) テンプレートを自動生成し、SQL または Optic API を使用して即座にクエリを実行できます。
ドキュメント分割機能が標準搭載としてすぐに利用できます。AI ユースケースに向けてデータを準備し、LLM のトークン消費を削減しながら、ベクトル検索の品質を向上させることができる機能です。
運用データと並行して MarkLogic Server にベクトル埋め込みを追加し、セマンティック RAG を強化するデータパイプラインを構築します。カスタムコードは不要です。
ハイブリッド検索を豊富なメタデータで強化 — テキスト抽出、コンテンツ分類、メタデータ値の設定をインポート時または変換を通じて直接実行し、クロスクエリを実現します。
新しい自動 TDE 生成機能により、構造化データは SQL ベースのツールですぐに探索可能な状態になります。構造化データをインポートする際、Flux がデータスキーマを自動的に分析し、対応する TDE テンプレートを生成します。TDE テンプレートを手動で作成したり、ロードしたりする作業が不要になります。
新しいドキュメント分割機能を使用することで、ユーザーのクエリに回答するために必要な適切な量のコンテンツのみを提供できます。文字数を指定したり、XML/JSON 要素や生成したいチャンク数に基づいて分割することが可能です。チャンクは元の位置情報とともに保存することも、元ドキュメントにリンクした別ドキュメントとして保存することもでき、コンテキストと関連性を維持します。
新しい埋め込み機能により、LangChain4j や Azure OpenAI などの LLM モデルを活用した標準搭載の実装を使用して、インポートまたはコピー時に MarkLogic Server 上の元ドキュメント内にベクター埋め込みを生成、保存できます。さらに、ベクトル検索を組み合わせて、ユーザーの質問に基づく類似性クエリをインデックス化し、実行できます。
標準搭載のセマンティック分類およびメタデータ設定機能により、複数のファセットを活用した真のハイブリッド検索を実現できます。Progress Semaphore でテキストを抽出し、ドキュメントやチャンクにタグ付けを行い、追加のメタデータ値を設定します。抽出されたテキストを、元のソースに関するメタデータ、対応するベクトル埋め込み、分類タグとともに単一のチャンクに保存し、クロスクエリによる最適な検索精度を実現します。
お客様に合わせたデモや POV をご紹介します。