在 Elasticsearch 中使用 Amazon Nova 模型

Elasticsearch 与行业领先的生成式 AI 工具和提供商实现了原生集成。请观看我们的网络研讨会，了解如何超越 RAG 基础功能，或使用 Elastic 向量数据库构建生产就绪型应用。

要为您的用例构建最佳搜索解决方案，请开始免费云试用，或立即在本地计算机上试用 Elastic。

在本文中，我们将讨论亚马逊的人工智能模型系列 Amazon Nova，并学习如何将其与 Elasticsearch 结合使用。

关于亚马逊新星

Amazon Nova 是亚马逊人工智能模型系列，可在亚马逊 Bedrock 上使用，旨在提供高性能和高成本效益。这些模型可使用文本、图像和视频输入，生成文本输出，并针对不同的精度、速度和成本需求进行了优化。

亚马逊 Nova 主要型号

• 亚马逊 Nova Micro：该机型专门针对文本，速度快、性价比高，是翻译、推理、代码补全和解决数学问题的理想之选。其生成速度超过每秒 200 个令牌，非常适合需要即时响应的应用。
• 亚马逊 Nova Lite：能够快速处理图像、视频和文本的低成本多模态模型。它以速度快、精度高而著称，适用于对成本要求较高的交互式和大批量应用场合。
• 亚马逊新星专业版：最先进的选择，集高精度、高速度和高性价比于一身。是视频摘要、问答、软件开发和人工智能代理等复杂任务的理想选择。专家评论证明了它在文本和视觉理解方面的卓越表现，以及它遵循指令和执行自动工作流程的能力。

亚马逊 Nova 模型适用于各种应用，从内容创建和数据分析到软件开发和人工智能驱动的流程自动化。

下面，我们将演示如何结合 Elasticsearch 使用 Amazon Nova 模型进行自动产品评论分析。

我们将做什么

1. 通过 Inference API 创建一个端点，将 Amazon Bedrock 与 Elasticsearch 集成在一起。
2. 使用推理处理器创建一个管道，该管道将调用推理 API 端点。
3. 索引产品评论，并使用管道自动生成评论分析。
4. 分析整合结果。

在推理应用程序接口中创建端点

首先，我们配置 Inference API，将 Amazon Bedrock 与 Elasticsearch 集成。我们定义了亚马逊 Nova Lite，id 为amazon.nova-lite-v1:0、因为它在速度、准确性和成本之间取得了平衡。

注意：使用 Amazon Bedrock 需要有效凭证。您可以在此处查看获取访问密钥的文档：

创建审查分析管道

现在，我们创建一个处理管道，使用推理处理器来执行审查分析提示。此提示将把评论数据发送到 Amazon Nova Lite，由其执行：

• 情绪分类（积极、消极或中性）。
• 审查总结。
• 关键词生成。
• 真实性测量（真实 | 可疑 | 一般）。

索引审查

现在，我们使用批量 API 对产品评论进行索引。先前创建的管道将自动应用，将 Nova 模型生成的分析添加到索引文档中。

查询和分析结果

最后，我们运行一个查询，看看亚马逊 Nova Lite 模型是如何对评论进行分析和分类的。通过运行 GET products/_search，我们可以获得已经用评论内容生成的字段充实过的文档。

该模型可识别主要情绪（正面、中性或负面），生成简明摘要，提取相关关键词，并估计每条评论的真实性。这些字段有助于了解客户的意见，而无需阅读全文。

为了解释结果，我们研究了

• 情感，表示消费者对产品的总体看法。
• 摘要，突出了所述要点。
• 关键词，可用于对类似评论进行分组或识别反馈模式。
• 真实性，表示评论是否可信。这对策划或管理非常有用。

最终想法

Amazon Nova Lite 与 Elasticsearch 的整合展示了语言模型如何将原始评论转化为结构化的有价值信息。通过管道处理评论，我们能够自动、一致地提取情感、真实性、摘要和关键词。

结果表明，该模型可以理解评论的上下文，对用户意见进行分类，并突出每个体验中最相关的要点。这将创建一个更丰富的数据集，可用于提高搜索能力。