AI & MACHINE LEARNING

Amazon S3 Vectors เพิ่มระบบ Metadata Pre-filtering ช่วยเพิ่มความแม่นยำในการค้นหาข้อมูล Vector

AWS News Blog30 Sep 2026
1 min read
Key Takeaways
  • Metadata Pre-filtering ช่วยเพิ่มความแม่นยำในการค้นหา Vector ได้สูงสุดถึง 5 เท่าในกรณีที่มีการกรองข้อมูลแบบเฉพาะเจาะจงสูง

ทำไมเรื่องนี้ถึงสำคัญ

ในระบบ AI เช่น RAG (Retrieval-Augmented Generation) หรือ Agentic Applications ความแม่นยำในการดึงข้อมูลเป็นสิ่งสำคัญที่สุด การที่สามารถกรองข้อมูลให้เหลือเฉพาะส่วนที่เกี่ยวข้องก่อนทำการค้นหา Vector จะช่วยให้แอปพลิเคชันได้ข้อมูลที่ถูกต้องและครบถ้วนมากขึ้น ช่วยลดข้อผิดพลาดของ AI และเพิ่มประสิทธิภาพการทำงานในระบบขนาดใหญ่

Amazon S3 Vectors เปิดตัวฟีเจอร์ Metadata Pre-filtering เพื่อปรับปรุงประสิทธิภาพการค้นหาข้อมูลแบบ Vector ให้แม่นยำยิ่งขึ้น โดยระบบจะประเมินเงื่อนไขการกรองเมทาดาตา (Metadata Filter) ก่อนที่จะเริ่มกระบวนการค้นหาความเหมือน (Similarity Search) ฟีเจอร์นี้ช่วยเพิ่มค่า Recall หรือการดึงข้อมูลที่เกี่ยวข้องกลับมาได้ครบถ้วนมากขึ้น โดยเฉพาะในกรณีที่มีการกรองข้อมูลที่แคบมากๆ เช่น การค้นหาเฉพาะข้อมูลของลูกค้ารายใดรายหนึ่ง (Tenant) หรือการกรองตามช่วงเวลาและสถานะ

นอกจากนี้ยังมีการเพิ่มโอเปอเรเตอร์ `$startsWith` สำหรับการจับคู่ข้อความส่วนหน้า (Prefix Matching) ซึ่งมีประโยชน์มากในการค้นหาตามโครงสร้าง Path, URL หรือ Hierarchical Keys แต่ละ Vector สามารถเก็บเมทาดาตาที่กรองได้สูงสุด 2 KB และรองรับเงื่อนไขการกรองได้ถึง 100 ข้อต่อหนึ่งคิวรี โดยผู้ใช้งานสามารถเปิดใช้งานโหมด ENHANCED นี้ได้ทันทีโดยไม่ต้องทำการนำเข้าข้อมูลใหม่ (Re-ingestion)

สรุปประเด็นหลัก

รองรับโหมด ENHANCED ที่กรองเมทาดาตาก่อนทำ similarity search เพื่อค่า recall ที่สูงขึ้น

เพิ่มโอเปอเรเตอร์ $startsWith สำหรับกรองข้อมูลตามโครงสร้างลำดับชั้นหรือโฟลเดอร์

แต่ละ Vector รองรับเมทาดาตาสำหรับกรองได้สูงสุด 2 KB โดยไม่มีค่าใช้จ่ายเพิ่มเติม

นวัตกรรมและเทคโนโลยี

infrastructure

Enhanced Index Mode

โหมดดัชนีแบบใหม่ที่ประมวลผลตัวกรองก่อนการค้นหา Vector เพื่อให้มั่นใจว่าผลลัพธ์ที่ได้มาจากกลุ่มข้อมูลที่ตรงตามเงื่อนไขเท่านั้น

tools

Prefix Matching Operator

เพิ่มความสามารถในการกรองข้อมูลด้วย $startsWith เพื่อรองรับการค้นหาตามโครงสร้างไฟล์หรือ URL ที่มีความซับซ้อน

Developer Impact
นักพัฒนาแอปพลิเคชัน RAG และระบบที่มีผู้ใช้หลายราย (Multi-tenant) สามารถปรับปรุงความแม่นยำของผลลัพธ์ได้ทันทีเพียงแค่อัปเดตโหมดของ Index เป็น ENHANCED โดยไม่ต้องเปลี่ยนโค้ดการคิวรีหรือย้ายข้อมูลใหม่
Keywords
#amazon s3 vectors #vector search #metadata filtering #rag #similarity search
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

AWS News Blog