Relevance workbench
In this workbench, you can compare our Elastic Learned Sparse Encoder model (with or without RRF) and traditional textual search using BM25.
Start comparing different hybrid search techniques using TMDB's movies dataset as sample data. Or fork the code and ingest your own data to try it on your own!
Try these queries to get started:
- "The matrix"
- "Movies in Space"
- "Superhero animated movies"
Notice how some queries work great for both search techniques. For example, 'The Matrix' performs well with both models. However, for queries like "Superhero animated movies", the Elastic Learned Sparse Encoder model outperforms BM25. This can be attributed to the semantic search capabilities of the model.
Explore similar demos
보안
Security 개요
Elastic Security는 SIEM, Endpoint Security, 위협 헌팅, 클라우드 모니터링 등 다양한 기능을 제공해 분석가가 위협을 예방, 탐지 및 대응할 수 있도록 지원합니다.
검색
Run the Chatbot RAG App with OpenAI - using Docker
Follow the step-by-step process of setting up and running the Elastic Chatbot RAG example app with OpenAI. This tour demonstrates how to use Docker Compose to run the app.
검색
Elasticsearch MCP Server를 통한 MCP 소개
본 실습 워크숍에서는 모듈형 도구를 통해 AI 워크플로우를 오케스트레이션하는 모델 컨텍스트 프로토콜(MCP) 서버를 소개합니다. MCP 클라이언트가 Elasticsearch를 활용하여 지능형 검색을 지원하고, 구조화되고 확장 가능한 AI 시스템을 구축할 수 있도록 MCP 서버와 상호 작용하는 방식을 살펴보세요.