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。
カスタマイズ可能な ChatBot コンポーネントを、AI 強化された React アプリケーションに簡単に統合でき、MarkLogic でのカスタムコーディングが不要になります。
Azure OpenAI のような LLM モデルを、FastTrack ChatBot コンポーネントおよび Node.js Express と統合する方法を示す設計テンプレート。コードスニペットも含まれています。
表示された結果を、ボタンクリック一つで CSV、JSON、または XML ファイルとしてエクスポートできます。
ResultsSnippet および ResultsConfig コンポーネント用の新しいイベントハンドラーを使って、マウスホバー時に結果をハイライト表示できます。
タイムアウト、ヘッダー、パラメータのシリアライズなどのリクエスト設定を追加でき、様々な要件に柔軟に対応できます。
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。
組み込みのドキュメント分割機能を使って、LLM のトークン消費を抑えつつ、AI ユースケースに適したデータを準備して、ベクトル検索の品質を向上させることができます。
カスタムコードを使わずに、MarkLogic サーバーに運用データとともにベクトル埋め込みを追加し、セマンティック RAG を支えるデータパイプラインを構築します。
豊富なメタデータを活用してハイブリッド検索を高度化します。インポート時に直接、またはクロスクエリのための変換処理を通じて、テキスト抽出、コンテンツ分類、メタデータ値の設定を行います。
新たに追加された分割機能により、ユーザーのクエリに対して必要最小限のコンテンツだけを提供できるようになります。文字数での分割や、XML/JSON 要素に基づいた分割、生成するチャンク数の指定が可能です。チャンクは元の位置情報とともに保存することも、元のドキュメントとリンクされた別ドキュメントとして保存することもでき、文脈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 などの基盤 LLM モデルを活用した組み込み済みの実装を使って、インポートまたはコピー時に MarkLogic サーバー内のソースドキュメントにベクトル埋め込みを生成・保存できます。さらに、ベクトル演算の早期アクセス機能を活用することで、ユーザーの質問に基づいた類似性検索やインデックス作成が可能になります。
組み込み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本格的なハイブリッド検索が可能になります。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を付与し、さらにメタデータ値を設定できます。抽出されたテキストは、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され、クロスクエリによる高精度な検索が可能になります。
お客様に合わせたデモや POV をご紹介します。