Oracle AI Vector Searchは、意味的類似性と従来のビジネス述語を同じSQL文内で組み合わせるように設計されています。OracleのネイティブVECTORデータ型とベクトル距離演算子により、埋め込みを在庫状況、地域、カテゴリ、価格、セキュリティ分類などの関係属性と共存させることができます。そのため、アプリケーションは、in_stock = 'Y' and region = :regionなどの通常のSQL述語を使用して行を制限しつつ、ベクトル類似性または距離を使用して条件を満たす製品をランク付けできます。 Oracleは、統合データベースアーキテクチャによって、ベクトル類似性検索を、リレーショナル、JSON、グラフ、テキスト、および空間的な基準と組み合わせ、単一のデータベースクエリで実行できると明確に位置付けています。 JSON Duality Viewsはセマンティック検索の前提条件ではなく、プロパティグラフはベクトルエンジンに取って代わるものではありません。ベクトル検索を先に実行し、アプリケーションコードで利用できない在庫をフィルタリングする方法も、検索容量を無駄にし、上位K件の結果セットを歪める可能性があるため、劣っています。ビジネスフィルタとセマンティックランキングを併用することで、処理をデータに近づけ、適切な上位一致を生成できます。アップロードされたソースコードでは、この統合SQL設計が正しい選択肢であると示されています。 学習ガイドの参照: 自律型 AI データベースにおける Select AI と AI ベクトル検索の実装 - 関係フィルタリングと組み合わせたベクトル類似性検索。