Elasticsearch에서 Amazon Nova 모델 사용

Elasticsearch는 업계 최고 수준의 생성형 AI 도구 및 다양한 공급업체와 기본적으로 연동됩니다. Elastic 벡터 데이터베이스를 활용해 진행 중인 RAG 기본 넘어서기 또는 프로덕션 수준 앱 구축 웨비나를 확인해 보세요.

사용 사례에 가장 적합한 검색 솔루션을 구축하려면 무료 클라우드 체험판을 시작하거나 로컬 기기에서 Elastic을 지금 사용해 보세요.

이 글에서는 Amazon의 AI 모델 제품군인 Amazon Nova에 대해 알아보고 이를 Elasticsearch와 함께 사용하는 방법에 대해 알아보겠습니다.

Amazon Nova 소개

Amazon Nova는 Amazon 인공 지능 모델 제품군으로, 고성능과 비용 효율성을 제공하도록 설계된 Amazon 베드락에서 사용할 수 있습니다. 이러한 모델은 텍스트, 이미지 및 비디오 입력으로 작동하고 텍스트 출력을 생성하며 다양한 정확도, 속도 및 비용 요구 사항에 맞게 최적화되어 있습니다.

아마존 노바 주요 모델

아마존 노바 마이크로: 텍스트에만 초점을 맞춘 빠르고 비용 효율적인 모델로 번역, 추론, 코드 완성 및 수학 문제 해결에 이상적입니다. 초당 200개 이상의 토큰이 생성되므로 즉각적인 응답이 필요한 애플리케이션에 이상적입니다.
아마존 노바 라이트: 이미지, 비디오, 텍스트를 빠르게 처리할 수 있는 저비용 멀티모달 모델입니다. 속도와 정확성이 뛰어나며, 비용이 중요한 요소인 대화형 및 대용량 애플리케이션에 적합합니다.
아마존 노바 프로: 높은 정확도, 속도 및 비용 효율성을 결합한 가장 진보된 옵션입니다. 동영상 요약, 질문과 답변, 소프트웨어 개발 및 AI 에이전트와 같은 복잡한 작업에 이상적입니다. 전문가 리뷰는 텍스트 및 시각적 이해력, 지침을 따르고 자동화된 워크플로를 실행하는 능력의 우수성을 입증합니다.

Amazon Nova 모델은 콘텐츠 제작 및 데이터 분석부터 소프트웨어 개발 및 AI 기반 프로세스 자동화에 이르기까지 다양한 애플리케이션에 적합합니다.

아래에서는 자동화된 상품 리뷰 분석을 위해 Elasticsearch와 함께 Amazon Nova 모델을 사용하는 방법을 보여드리겠습니다.

저희가 할 일

추론 API를 통해 엔드포인트를 생성하여 Amazon Bedrock과 Elasticsearch를 통합합니다.
추론 프로세서를 사용하여 파이프라인을 생성하면 추론 API 엔드포인트를 호출할 수 있습니다.
파이프라인을 사용하여 제품 리뷰를 색인하고 자동으로 리뷰 분석을 생성합니다.
통합 결과를 분석합니다.

추론 API에서 엔드포인트 만들기

먼저, Amazon Bedrock을 Elasticsearch와 통합하도록 추론 API를 구성합니다. 아마존 노바 라이트, 아이디 amazon.nova-lite-v1:0을 정의합니다, 속도, 정확성, 비용 간의 균형을 제공하기 때문에 사용할 모델로 선택했습니다.

참고: Amazon Bedrock을 사용하려면 유효한 자격 증명이 필요합니다. 액세스 키를 얻기 위한 문서는 여기에서 확인할 수 있습니다:

리뷰 분석 파이프라인 만들기

이제 추론 프로세서를 사용하여 검토 분석 프롬프트를 실행하는 처리 파이프라인을 생성합니다. 이 프롬프트는 리뷰 데이터를 Amazon Nova Lite로 전송하여 수행합니다:

감성 분류(긍정, 부정 또는 중립).
요약을 검토합니다.
키워드 생성.
진위 여부 측정(진위 | 의심스러운 | 일반).

리뷰 색인화

이제 대량 API를 사용하여 제품 리뷰를 색인화합니다. 앞서 생성한 파이프라인이 자동으로 적용되어 Nova 모델에서 생성한 분석이 색인된 문서에 추가됩니다.

결과 쿼리 및 분석

마지막으로 쿼리를 실행하여 Amazon Nova Lite 모델이 리뷰를 분석하고 분류하는 방법을 확인합니다. GET products/_search를 실행하면 리뷰 콘텐츠에서 생성된 필드로 이미 보강된 문서를 가져옵니다.

이 모델은 주된 감정(긍정, 중립, 부정)을 식별하고 간결한 요약을 생성하며 관련 키워드를 추출하고 각 리뷰의 진위 여부를 추정합니다. 이러한 필드는 전문을 읽지 않고도 고객의 의견을 파악하는 데 도움이 됩니다.

결과를 해석하기 위해 다음을 살펴봅니다:

감성은 제품에 대한 소비자의 전반적인 인식을 나타냅니다.
언급된 주요 사항을 강조하는 요약입니다.
키워드는 유사한 리뷰를 그룹화하거나 피드백 패턴을 식별하는 데 사용할 수 있습니다.
신뢰성: 리뷰의 신뢰성 여부를 나타냅니다. 이는 큐레이션이나 중재에 유용합니다.

최종 생각

Amazon Nova Lite와 Elasticsearch 간의 통합은 언어 모델이 어떻게 원시 리뷰를 구조화되고 가치 있는 정보로 변환할 수 있는지를 보여주었습니다. 파이프라인을 통해 리뷰를 처리함으로써 감정, 진위 여부, 요약, 키워드를 자동으로 일관성 있게 추출할 수 있었습니다.

그 결과 이 모델은 리뷰의 맥락을 이해하고, 사용자 의견을 분류하고, 각 경험에서 가장 관련성이 높은 포인트를 강조할 수 있는 것으로 나타났습니다. 이렇게 하면 검색 기능을 개선하는 데 활용할 수 있는 훨씬 더 풍부한 데이터 세트가 생성됩니다.

문제 신고하기