Obtenir des résumés de recherche

Cette page explique comment utiliser l'API pour obtenir des résumés de recherche avec vos résultats de recherche. Il explique également les options disponibles avec les résumés de recherche. Pour les données non structurées et les données de site Web uniquement.

Pour savoir comment obtenir des réponses d'IA générative à vos requêtes sur les données de santé, consultez Rechercher à l'aide d'une requête en langage naturel avec une réponse d'IA générative.

Avant de commencer

Selon le type d'application dont vous disposez, respectez les exigences suivantes :

Obtenir un récapitulatif de recherche

Un résumé de recherche est un bref résumé du ou des premiers résultats de recherche renvoyés dans une réponse de recherche. Le résumé lui-même est extrait des réponses extractives renvoyées dans la réponse. Par conséquent, pour obtenir un résumé, vous devez également obtenir des réponses extractives avec vos résultats de recherche. Pour en savoir plus, consultez Obtenir des réponses extractives (aperçu).

L'image suivante montre le récapitulatif lorsque des PDF d'un data store sont interrogés avec summaryResultCount défini sur 5. Le contenu du récapitulatif peut varier en fonction des configurations de l'application.

Requête : quote Définis les dépenses d'exploitation endquote. La section "Résumé de la recherche" affiche un résumé extrait des meilleurs résultats.
Figure 1. Exemple de widget avec un récapitulatif de recherche.

Les résumés de recherche peuvent inclure du texte au format Markdown et des balises HTML simples généralement comprises par les analyseurs Markdown. Pour cette raison, envisagez d'utiliser un analyseur Markdown dans votre application pour afficher le texte Markdown.

Pour obtenir un résumé de recherche, procédez comme suit :

  1. Envoyez une demande de recherche qui inclut contentSearchSpec.summarySpec et spécifie des valeurs pour summaryResultCount et maxExtractiveAnswerCount. Pour en savoir plus sur l'envoi d'une demande de recherche, consultez Obtenir des résultats de recherche.

    Dans l'exemple suivant, summarySpec indique que vous souhaitez obtenir un résumé de recherche et que celui-ci doit être généré à partir des trois premiers résultats de recherche.

    "contentSearchSpec":
 {
   "summarySpec":
   {
     "summaryResultCount": 3
   },
   "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1}
 }

    • summaryResultCount : nombre de résultats principaux à partir desquels générer le résumé de recherche. Si le nombre de résultats renvoyés est inférieur à summaryResultCount, le résumé est généré à partir de tous les résultats.

    • maxExtractiveAnswerCount : nombre de réponses extractives à renvoyer pour chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.

  2. Obtenez le résumé à partir de la réponse de recherche. Une propriété summary est renvoyée dans chaque réponse.

    Voici un exemple de résumé renvoyé à la fin d'une réponse de recherche :

    "summary":
{
  "summaryText": "BigQuery is Google Cloud's fully managed and completely
  serverless enterprise data warehouse. BigQuery supports all data types,
  works across clouds, and has built-in machine learning and business
  intelligence, all within a unified platform."
}

Générer des résumés à partir de blocs sémantiques

Vous pouvez activer use_semantic_chunks pour générer des résumés à partir des blocs de documents les plus pertinents. L'utilisation de blocs sémantiques pour générer des résumés améliore le rappel et la récupération par rapport au comportement par défaut qui consiste à utiliser des réponses extractives.

Lorsque le chunking sémantique est activé pour les résumés, la réponse renvoie le résumé et le contenu de chaque bloc utilisé par le résumé.

Pour utiliser les blocs sémantiques pour générer des résumés, procédez comme suit :

  1. Envoyez une requête de recherche qui inclut contentSearchSpec.summarySpec et spécifie "use_semantic_chunks": true. Pour en savoir plus sur l'envoi d'une demande de recherche, consultez Obtenir des résultats de recherche.

    L'exemple suivant de summarySpec indique que vous souhaitez un résumé de recherche qui utilise des blocs sémantiques, le nombre de résultats à inclure et si les citations doivent être incluses.

    "contentSearchSpec":
 {
   "summarySpec":
   {
     "useSemanticChunks": SEMANTIC_CHUNK_BOOLEAN,
     "summaryResultCount": SUMMARY_RESULT_COUNT,
     "includeCitations": CITATIONS_BOOLEAN,
   }
 }
    • SEMANTIC_CHUNK_BOOLEAN : valeur booléenne indiquant s'il faut utiliser des blocs sémantiques pour générer le résumé de recherche. Si la valeur est définie sur true, des blocs sémantiques sont utilisés.
    • SUMMARY_RESULT_COUNT : nombre de meilleurs résultats à partir desquels générer le résumé de recherche. La valeur maximale est de 10.
    • CITATIONS_BOOLEAN : valeur booléenne qui spécifie si les citations sont renvoyées. Si vous avez activé le mode bloc lorsque vous avez créé votre data store, les citations font référence à des blocs. Sinon, les citations font référence à des documents sources. Pour en savoir plus sur le mode bloc, consultez Analyser et segmenter des documents.

  2. Obtenez le résumé à partir de la réponse de recherche.

    Voici un exemple de réponse de recherche qui inclut un résumé généré à partir de blocs et qui comprend des citations. La partie references de la réponse contient le contenu des blocs à partir desquels le résumé est généré.

    Réponse

    {
  "results": [
    {
      "id": "123xyz",
      "document": {
        "name": "projects/exampleproject/locations/global/collections/default_collection/dataStores/exampledatastore/branches/0/documents/123xyz",
        "id": "123xyz",
        "derivedStructData": {
          "link": "gs://examplebucket/alphabet-investor-pdfs/2004_google_annual_report.pdf"
        }
      }
    }
  ],
  "totalSize": 8375,
  "attributionToken": "abcdefg",
  "nextPageToken": "hijklmnop",
  "guidedSearchResult": {},
  "summary": {
    "summaryText": "Google's search technology uses a combination of techniques to determine the importance of a web page independent of a particular search query and to determine the relevance of that page to a particular search query. [1]",
    "summaryWithMetadata": {
      "summary": "Google's search technology uses a combination of techniques to determine the importance of a web page independent of a particular search query and to determine the relevance of that page to a particular search query.",
      "citationMetadata": {
        "citations": [
          {
            "endIndex": "216",
            "sources": [
              {}
            ]
          }
        ]
      },
      "references": [
        {
          "document": "projects/exampleproject/locations/global/collections/default_collection/dataStores/exampledatastore/branches/0/documents/123xyz",
          "chunkContents": [
            {
              "content": "Groups contains more than 1 billion messages from Usenet Internet discussion groups dating back to 1981.The\ndiscussions in these groups cover a broad range of discourse and provide a comprehensive look at evolving\nviewpoints, debate and advice on many subjects.The new Google Groups adds in the ability to create your own\ngroups for you and your friends and an improved user interface.Google Mobile.Google Mobile offers people the ability to search and view both the "mobile web,"\nconsisting of pages created specifically for wireless devices, and the entire Google index of more than 8 billion\nweb pages.Google Mobile works on devices that support WAP, WAP 2.0, i-mode or j-sky mobile Internet\nprotocols.In addition, users can access a variety of information using Google SMS by typing a query to the\nGoogle shortcode.Google Mobile is available through many wireless and mobile phone services worldwide.",
              "pageIdentifier": "17"
            },
            {
              "content": "Google Labs is our playground for our engineers and for adventurous Google users.On Google\nLabs, we post product prototypes and solicit feedback on how the technology could be used or improved.Current Google Labs examples include:Google Personalized Search—provides customized search results based on an individual user's interests.Froogle Wireless—gives people the ability to search for product information from their mobile phones\nand other wireless devices.Google Maps—enables users to see maps, get directions, and find local businesses and services quickly\nand easily.Google Maps has several unique features, including draggable maps, integrated local search\nfrom Google Local, and keyboard shortcuts.Google Scholar—enables users to search specifically for scholarly literature, including peer-reviewed\npapers, theses, books, preprints, abstracts and technical reports from all broad areas of research.Google\nScholar can be used to find articles from a wide variety of academic publishers, professional societies,\npreprint repositories and universities, as well as scholarly articles available across the web.Google Suggest—guesses what you're typing and offers suggestions in real time.This is similar to\nGoogle's "Did you mean?"feature that offers alternative spellings for your query after you search, except\nthat it works in real time.",
              "pageIdentifier": "17"
            },
            {
              "content": "Groups contains more than 1 billion messages from Usenet Internet discussion groups dating back to 1981.The\ndiscussions in these groups cover a broad range of discourse and provide a comprehensive look at evolving\nviewpoints, debate and advice on many subjects.The new Google Groups adds in the ability to create your own\ngroups for you and your friends and an improved user interface.Google Mobile.Google Mobile offers people the ability to search and view both the "mobile web,"\nconsisting of pages created specifically for wireless devices, and the entire Google index of more than 8 billion\nweb pages.Google Mobile works on devices that support WAP, WAP 2.0, i-mode or j-sky mobile Internet\nprotocols.In addition, users can access a variety of information using Google SMS by typing a query to the\nGoogle shortcode.Google Mobile is available through many wireless and mobile phone services worldwide.\n\nGoogle Local.Google Local enables users to find relevant local businesses near a city, postal code, or specific\naddress.This service combines Yellow Page listings with information found on web pages, and plots their\nlocations on interactive maps.Google Print.Google Print brings information online that had previously not been available to web\nsearchers.Under this program, we enable a number of publishers to host their content and show their\npublications at the top of our search results.",
              "pageIdentifier": "17"
            },
            {
              "content": "Votes cast by important web pages with high PageRank weigh more heavily and are\nmore influential in deciding the PageRank of pages on the web.Text-Matching Techniques.Our technology employs text-matching techniques that compare search queries\nwith the content of web pages to help determine relevance.Our text-based scoring techniques do far more than\ncount the number of times a search term appears on a web page.For example, our technology determines the\nproximity of individual search terms to each other on a given web page, and prioritizes results that have the\nsearch terms near each other.Many other aspects of a page's content are factored into the equation, as is the\ncontent of pages that link to the page in question.By combining query independent measures such as PageRank\nwith our text-matching techniques, we are able to deliver search results that are relevant to what people are\ntrying to find.\n\nAdvertising Technology\nOur advertising program serves millions of relevant, targeted ads each day based on search terms people\n\nenter or content they view on the web.The key elements of our advertising technology include:\n\nGoogle AdWords Auction System.We use the Google AdWords auction system to enable advertisers to\nautomatically deliver relevant, targeted advertising.",
              "pageIdentifier": "21"
            },
            {
              "content": "Votes cast by important web pages with high PageRank weigh more heavily and are\nmore influential in deciding the PageRank of pages on the web.Text-Matching Techniques.Our technology employs text-matching techniques that compare search queries\nwith the content of web pages to help determine relevance.Our text-based scoring techniques do far more than\ncount the number of times a search term appears on a web page.For example, our technology determines the\nproximity of individual search terms to each other on a given web page, and prioritizes results that have the\nsearch terms near each other.Many other aspects of a page's content are factored into the equation, as is the\ncontent of pages that link to the page in question.By combining query independent measures such as PageRank\nwith our text-matching techniques, we are able to deliver search results that are relevant to what people are\ntrying to find.\n\nAdvertising Technology\nOur advertising program serves millions of relevant, targeted ads each day based on search terms people\n\nenter or content they view on the web.The key elements of our advertising technology include:",
              "pageIdentifier": "21"
            },
            {
              "content": "Google Maps—enables users to see maps, get directions, and find local businesses and services quickly\nand easily.Google Maps has several unique features, including draggable maps, integrated local search\nfrom Google Local, and keyboard shortcuts.Google Scholar—enables users to search specifically for scholarly literature, including peer-reviewed\npapers, theses, books, preprints, abstracts and technical reports from all broad areas of research.Google\nScholar can be used to find articles from a wide variety of academic publishers, professional societies,\npreprint repositories and universities, as well as scholarly articles available across the web.Google Suggest—guesses what you're typing and offers suggestions in real time.This is similar to\nGoogle's "Did you mean?"feature that offers alternative spellings for your query after you search, except\nthat it works in real time.Google Video—includes thousands of programs that play on our TVs every day.Google Video enables\nyou to search a growing archive of televised content—everything from sports to dinosaur\ndocumentaries to news shows.\n\n6",
              "pageIdentifier": "17"
            },
            {
              "content": "Every search query we process involves the automated\nexecution of an auction, resulting in our advertising system often processing hundreds of millions of auctions per\nday.To determine whether an ad is relevant to a particular query, this system weighs an advertiser's willingness\nto pay for prominence in the ad listings (the CPC) and interest from users in the ad as measured by the click\nthrough rate and other factors.If an ad does not attract user clicks, it moves to a less prominent position on the\npage, even if the advertiser offers to pay a high amount.This prevents advertisers with irrelevant ads from\n"squatting" in top positions to gain exposure.Conversely, more relevant, well-targeted ads that are clicked on\nfrequently move up in ranking, with no need for advertisers to increase their bids.Because we are paid only\nwhen users click on ads, the AdWords ranking system aligns our interests equally with those of our advertisers\nand our users.The more relevant and useful the ad, the better for our users, for our advertisers and for us.\n\nThe AdWords auction system also incorporates our AdWords discounter, which automatically lowers the\namount advertisers actually pay to the minimum needed to maintain their ad position.",
              "pageIdentifier": "21"
            },
            {
              "content": "Web Search Technology\nOur web search technology uses a combination of techniques to determine the importance of a web page\nindependent of a particular search query and to determine the relevance of that page to a particular search\nquery.We do not explain how we do ranking in great detail because some people try to manipulate our search\nresults for their own gain, rather than in an attempt to provide high-quality information to users.\n\nRanking Technology.One element of our technology for ranking web pages is called PageRank.While we\ndeveloped much of our ranking technology after Google was formed, PageRank was developed at Stanford\nUniversity with the involvement of our founders, and was therefore published as research.Most of our current\nranking technology is protected as trade-secret.PageRank is a query-independent technique for determining the\nimportance of web pages by looking at the link structure of the web.PageRank treats a link from web page A to\nweb page B as a "vote" by page A in favor of page B.The PageRank of a page is the sum of the PageRank of the\npages that link to it.The PageRank of a web page also depends on the importance (or PageRank) of the other\nweb pages casting the votes.",
              "pageIdentifier": "21"
            },
            {
              "content": "The Company recognizes as revenue the fees charged advertisers each time a user clicks on one of the text\nbased ads that are displayed next to the search results on Google web sites.Effective January 1, 2004, the\nCompany offered a single pricing structure to all of its advertisers based on the AdWords cost per click model.\n\nGoogle AdSense is the program through which the Company distributes its advertisers' text-based ads for\ndisplay on the web sites of the Google Network members.In accordance with Emerging Issues Task Force\n("EITF") Issue No. 99 19, Reporting Revenue Gross as a Principal Versus Net as an Agent, the Company recognizes\nas revenues the fees it receives from its advertisers.This revenue is reported gross primarily because the\nCompany is the primary obligor to its advertisers.\n\nThe Company generates fees from search services through a variety of contractual arrangements, which\ninclude per-query search fees and search service hosting fees.Revenues from set up and support fees and search\nservice hosting fees are recognized on a straight-line basis over the term of the contract, which is the expected\nperiod during which these services will be provided.The Company's policy is to recognize revenues from per\nquery search fees in the period queries are made and results are delivered.\n\nThe Company provides search services pursuant to certain AdSense agreements.",
              "pageIdentifier": "85"
            },
            {
              "content": "On Google Print pages, we provide links to book sellers that may\noffer the full versions of these publications for sale, and we show content-targeted ads that are served through\nthe Google AdSense program.Google Desktop Search.Google Desktop Search enables our users to perform a full text search on the\ncontents of their own computer, including email, files, instant messenger chats and web browser history.Users\ncan use this service to view web pages they have visited even when they are not online.Google Alerts.Google Alerts are email updates of the latest relevant Google results (web, news, etc.) based\non the user's choice of query or topic.Typical uses include monitoring a developing news story, keeping current\non a competitor or industry, getting the latest on a celebrity or event, or keeping tabs on a favorite sports team.Google Labs.Google Labs is our playground for our engineers and for adventurous Google users.On Google\nLabs, we post product prototypes and solicit feedback on how the technology could be used or improved.Current Google Labs examples include:Google Personalized Search—provides customized search results based on an individual user's interests.Froogle Wireless—gives people the ability to search for product information from their mobile phones\nand other wireless devices.",
              "pageIdentifier": "17"
            }
          ]
        }
      ]
    }
  }
}

Obtenir des citations

Les citations, lorsqu'elles sont spécifiées, sont des nombres placés en ligne dans un résumé de recherche. Ces chiffres indiquent les résultats de recherche à partir desquels certaines phrases du résumé sont extraites.

Pour obtenir des citations, procédez comme suit :

  1. Envoyez une requête de recherche incluant contentSearchSpec.summarySpec et spécifiant "includeCitations": true. Pour en savoir plus sur l'envoi d'une demande de recherche, consultez Obtenir des résultats de recherche.

    Dans l'exemple suivant, summarySpec indique que vous souhaitez obtenir un résumé de recherche, que ce résumé doit être généré à partir des trois premiers résultats de recherche et que des citations doivent être incluses dans le résumé.

    "contentSearchSpec":
 {
   "summarySpec":
   {
     "summaryResultCount": 3,
     "includeCitations": true
   },
   "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1}
 }
    • summaryResultCount : nombre de résultats principaux à partir desquels générer le résumé de recherche. Si le nombre de résultats renvoyés est inférieur à summaryResultCount, le résumé est généré à partir de tous les résultats. La valeur maximale est de 5.
    • includeCitations : valeur booléenne qui spécifie si les citations sont renvoyées.
    • maxExtractiveAnswerCount : nombre de réponses extractives à renvoyer pour chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.

  2. Obtenez le résumé, avec les citations, à partir de la réponse de recherche. Une propriété summary est renvoyée dans chaque réponse.

    Voici un exemple de résumé, avec des citations et des métadonnées de citation, renvoyé à la fin d'une réponse de recherche :

    "summary": {
 "summaryText": "BigQuery is Google Cloud's fully managed and completely
  serverless enterprise data warehouse [1]. BigQuery supports all data types,
  works across clouds, and has built-in machine learning and business
  intelligence, all within a unified platform [2, 3].",
 "summaryWithMetadata": {
   "summary": "BigQuery is Google Cloud's fully managed and completely
   serverless enterprise data warehouse. BigQuery supports all data types,
   works across clouds, and has built-in machine learning and business
   intelligence, all within a unified platform.",
   "citationMetadata": {
     "citations": [
       {
         "startIndex": "0",
         "endIndex": "101",
         "sources": [
           {
             "uri": "gs://example-dataset/html/6344007140738632642.html",
             "title": "About BigQuery",
             "id": "b6344007140738632642",
             "referenceIndex": "0"
           },
           {
             "uri": "gs://example-dataset/html/1365490014946172719.html",
             "title": "Google Cloud article",
             "id": "b1365490014946172719",
             "referenceIndex": "1"
           },
           {
             "uri": "gs://example-dataset/html/2687910668117268120.html",
             "title": "BigQuery document",
             "id": "a2687910668117268120",
             "referenceIndex": "2"
           }
         ]
       },
       {
         "startIndex": "103",
         "endIndex": "230",
         "sources": [
           {
             "referenceIndex": "0"
            },
           {
             "referenceIndex": "1"
           },
           {
             "referenceIndex": "2",
           }
         ]
       }
     ]
   },
   "references": [
   {
     "title": "Sports in the United States",
     "docName": "projects/123/locations/global/collections/default_collection/dataStores/ds-123/branches/0/documents/b6344007140738632642",
     "uri": "https://example.com/bigqueryA"
   },
   {
     "title": "Sports in the United States",
     "docName": "projects/123/locations/global/collections/default_collection/dataStores/ds-123/branches/0/documents/b1365490014946172719",
     "uri": "https://example.com/bigqueryB"
   },
   {
     "title": "Sports in the United States",
     "docName": "projects/123/locations/global/collections/default_collection/dataStores/ds-123/branches/0/documents/a268791066811726812",
     "uri": "https://example.com/bigqueryC"
   }
 ]
}
}
    • summaryText : résumé de la recherche, avec les numéros de citation. Les numéros de citation font référence aux résultats de recherche renvoyés et sont indexés à partir de 1. Par exemple, [1] signifie que la phrase est attribuée au premier résultat de recherche. [2, 3] signifie que la phrase est attribuée aux deuxième et troisième résultats de recherche.
    • citations : pour chaque phrase de résumé comportant une citation, liste les métadonnées de cette citation.
    • startIndex : indique le début de la phrase, mesuré en octets Unicode.
    • endIndex : indique la fin de la phrase, mesurée en octets Unicode.
    • sources : liste les referenceIndex pour chaque source incluse dans la citation de la phrase. referenceIndex est le numéro d'index attribué à une source. Le referenceIndex de la première source n'est pas toujours renvoyé explicitement dans la réponse. Comme referenceIndex est indexé sur 0, la première source a toujours une valeur referenceIndex de 0.
    • references : liste les métadonnées de chaque référence citée dans le résumé. Les métadonnées incluent title, docName et uri.

Ignorer les requêtes antagonistes

Les requêtes contradictoires incluent des commentaires négatifs ou sont conçues pour générer des résultats dangereux ou qui ne respectent pas les règles. Vous pouvez spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes contradictoires. Lorsqu'une requête malveillante est ignorée, la propriété summaryText contient un texte standard indiquant qu'aucun résumé de recherche n'est renvoyé. Les documents de recherche sont renvoyés pour les requêtes contradictoires, même si les résumés de recherche ne le sont pas.

Pour spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes contradictoires, procédez comme suit :

  1. Envoyez une requête de recherche incluant contentSearchSpec.summarySpec et spécifiant "ignoreAdversarialQuery": true. Pour en savoir plus sur l'envoi d'une demande de recherche, consultez Obtenir des résultats de recherche.

    Dans l'exemple suivant, summarySpec indique que vous souhaitez obtenir un résumé de recherche, que ce résumé doit être généré à partir des trois premiers résultats de recherche, mais qu'aucun résumé ne doit être renvoyé pour les requêtes contradictoires.

    "contentSearchSpec":
 {
   "summarySpec":
   {
     "summaryResultCount": 3,
     "ignoreAdversarialQuery": true
   },
   "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1}
 }
    • summaryResultCount : nombre de résultats principaux à partir desquels générer le résumé de recherche. Si le nombre de résultats renvoyés est inférieur à summaryResultCount, le résumé est généré à partir de tous les résultats. La valeur maximale est de 5.
    • ignoreAdversarialQuery : valeur booléenne qui spécifie qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes contradictoires.
    • maxExtractiveAnswerCount : nombre de réponses extractives à renvoyer pour chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.

  2. Consultez la propriété summary renvoyée pour une demande de recherche contradictoire.

    Voici un exemple :

    "summary":
{
  "summaryText": "We do not have a summary for your query. Here are some
  search results.",
  "summarySkippedReasons": [
   "ADVERSARIAL_QUERY_IGNORED"
 ]
}
    • summaryText : texte standard indiquant qu'aucun résumé de recherche n'a été renvoyé.
    • summarySkippedReasons : énumération avec des valeurs pour les raisons de l'omission du récapitulatif.

Ignorer les requêtes qui ne cherchent pas de résumé

Les requêtes qui ne cherchent pas de résumés renvoient des résultats qui ne sont pas adaptés à la synthèse. Par exemple, "pourquoi le ciel est-il bleu" et "qui est le meilleur joueur de football au monde" sont des requêtes de recherche de résumés, mais pas "aéroport de SFO" ni "coupe du monde 2026". Il s'agit probablement de requêtes de navigation. Vous pouvez spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes qui ne visent pas à obtenir un résumé. Les documents de recherche sont renvoyés pour les requêtes qui ne cherchent pas de résumés, même si les résumés de recherche ne le sont pas.

Pour spécifier qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes qui ne visent pas à obtenir un résumé, procédez comme suit :

  1. Envoyez une requête de recherche incluant contentSearchSpec.summarySpec et spécifiant "ignoreNonSummarySeekingQuery": true. Pour en savoir plus sur l'envoi d'une demande de recherche, consultez Obtenir des résultats de recherche.

    Dans l'exemple suivant, summarySpec indique que vous souhaitez obtenir un résumé de recherche, que ce résumé doit être généré à partir des trois premiers résultats de recherche, mais qu'aucun résumé ne doit être renvoyé pour les requêtes qui ne recherchent pas de résumé.

    "contentSearchSpec":
 {
   "summarySpec":
   {
     "summaryResultCount": 3,
     "ignoreNonSummarySeekingQuery": true
   },
   "extractiveContentSpec": { "maxExtractiveAnswerCount" : 1}
 }
    • summaryResultCount : nombre de résultats principaux à partir desquels générer le résumé de recherche. Si le nombre de résultats renvoyés est inférieur à summaryResultCount, le résumé est généré à partir de tous les résultats. La valeur maximale est de 5.
    • ignoreNonSummarySeekingQuery : valeur booléenne qui spécifie qu'aucun résumé de recherche ne doit être renvoyé pour les requêtes qui ne cherchent pas de résumés.
    • maxExtractiveAnswerCount : nombre de réponses extractives à renvoyer pour chaque résultat de recherche. La valeur par défaut est 0 et la valeur maximale est 1.

  2. Consultez la propriété summary renvoyée pour une demande de recherche sans résumé.

    Voici un exemple :

    "summary":
{
  "summaryText": "We do not have a summary for your query. Here are some
  search results.",
  "summarySkippedReasons": [
    "NON_SUMMARY_SEEKING_QUERY_IGNORED"
 ]
}
    • summaryText : texte standard indiquant qu'aucun résumé de recherche n'a été renvoyé.
    • summarySkippedReasons : énumération avec des valeurs pour les raisons de l'omission du récapitulatif.

Obtenir des résumés personnalisés

Vous pouvez obtenir des résumés personnalisés en fournissant des instructions en langage naturel. Cette fonctionnalité est disponible pour le widget de recherche à l'aide de la console, et pour l'API en saisissant des instructions dans le champ modelPromptSpec.preamble.

Vous pouvez demander des personnalisations telles que la longueur, le niveau de détail, le style de sortie (par exemple, "simple"), la langue de sortie, l'orientation de la réponse et le format (par exemple, tableaux, puces et XML).

Par exemple, pour la requête What are the benefits of bigquery?, vous pouvez saisir des instructions de personnalisation comme dans les exemples suivants :

  • Exemple d'instruction : please show the answer format in an ordered list

    Exemple de réponse :

    The benefits of BigQuery are:

1. Increased business productivity
2. IT staff productivity
3. Reduced infrastructure costs
4. Loading and exporting data are free

  • Exemple d'instruction : give a very detailed answer

    Exemple de réponse :

    BigQuery is a serverless, highly scalable, and cost-effective cloud data warehouse that enables businesses to analyze all their data very quickly. It is a fully managed service that takes care of provisioning, scaling, and managing the underlying infrastructure, so you can focus on analyzing your data. BigQuery is also integrated with other Google Cloud services, such as Google Kubernetes Engine, Cloud Data Fusion, and Cloud Dataproc, making it easy to build and deploy data pipelines.

Here are some of the benefits of using BigQuery:

* **Fast and scalable:** BigQuery can process petabytes of data very quickly, and it can scale to handle even the most demanding workloads. * **Cost-effective:** BigQuery is a very cost-effective way to store and analyze data. You only pay for the data that you use, and there are no upfront costs or commitments. * **Secure:** BigQuery is a secure platform that meets the needs of even the most security-conscious organizations. * **Easy to use:** BigQuery is easy to use, even for non-technical users. It has a simple and intuitive user interface, and it supports a variety of data sources. * **Integrated with other Google Cloud services:** BigQuery is integrated with other Google Cloud services, making it easy to build and deploy data pipelines.

If you are looking for a fast, scalable, and cost-effective way to analyze your data, then BigQuery is a great option.

Bonnes pratiques pour les résumés personnalisés

Si vous prévoyez d'utiliser cette fonctionnalité, procédez comme suit :

  • Ne demandez qu'une personnalisation à la fois. Ne combinez pas les personnalisations (par exemple, en demandant un tableau HTML en français).
  • Google vous recommande de limiter les personnalisations que vos utilisateurs finaux peuvent demander, par exemple en proposant un sélecteur avec un ensemble de personnalisations prédéfinies.

Personnaliser les résumés

Vous pouvez obtenir des résumés personnalisés uniquement pour le widget de recherche à l'aide de la console ou, pour toute requête de recherche, à l'aide de l'API.

Pour obtenir un résumé personnalisé, procédez comme suit :

Console

  1. Dans la console Google Cloud , accédez à la page Applications d'IA.

    AI Applications

  2. Cliquez sur le nom de l'application que vous souhaitez modifier.

  3. Accédez à Configurations > UI.

  4. Assurez-vous que le type de recherche de votre widget de recherche est défini sur Rechercher avec une réponse ou Rechercher avec des questions complémentaires. Cette fonctionnalité n'est pas disponible si l'option Recherche est sélectionnée.

  5. Activez l'option Activer la personnalisation du résumé.

  6. Pour saisir des instructions récapitulatives, effectuez l'une des opérations suivantes :

    • Saisissez des instructions au format libre : saisissez vos propres instructions en langage naturel dans le champ Preamble.
    • Utiliser les instructions du modèle : cliquez sur Remplacer par un modèle, puis sélectionnez l'une des instructions prédéfinies. Une fois que vous l'avez sélectionné, le modèle prédéfini s'affiche dans le champ Preamble.

  7. Testez la génération de résumés personnalisés pour votre application en effectuant une recherche dans le volet Aperçu.

  8. Pour rétablir le dernier ensemble d'instructions enregistré, cliquez sur Réinitialiser le préambule.

  9. Pour enregistrer vos paramètres dans le widget, cliquez sur Enregistrer et publier.

REST

  1. Envoyez une requête de recherche qui inclut contentSearchSpec.summarySpec et spécifie l'instruction de personnalisation dans modelPromptSpec.preamble. Pour en savoir plus sur l'envoi d'une demande de recherche, consultez Obtenir des résultats de recherche.

    Dans l'exemple suivant, summarySpec indique que vous souhaitez obtenir un résumé de la recherche, que ce résumé doit être généré à partir des trois premiers résultats de recherche et qu'il doit être personnalisé comme s'il était expliqué à un enfant de 10 ans.

    "contentSearchSpec":
  {
    "summarySpec":
    {
      "summaryResultCount": 3,
      "modelPromptSpec":
      {
        "preamble": "explain like you would to a ten year old"
      }
    }
  }
    • summaryResultCount : nombre de résultats principaux à partir desquels générer le résumé de recherche. Si le nombre de résultats renvoyés est inférieur à summaryResultCount, le résumé est généré à partir de tous les résultats. La valeur maximale est de 5.
    • preamble : instruction de personnalisation.

  2. Obtenez le résumé personnalisé à partir de la réponse de recherche.

    Voici un exemple de résumé personnalisé renvoyé :

    "summary":
{
  "summaryText": "BigQuery is a serverless data warehouse that helps you
  analyze all your data very quickly. It's very easy to use and you don't
  need to worry about managing servers or infrastructure. BigQuery is also
  very scalable, so you can analyze large datasets without any problems."
}
    • summaryText : résumé de recherche personnalisé.

Spécifier le modèle de synthèse

Vous pouvez spécifier le modèle que vous souhaitez utiliser pour générer des résumés.

Vous pouvez spécifier stable, preview ou une version de modèle spécifique par son nom. Pour connaître les versions de modèle disponibles, consultez Versions et cycle de vie des modèles de génération de réponses.

Pour modifier la version du modèle :

  1. Envoyez une requête de recherche incluant ContentSearchSpec.SummarySpec.ModelSpec pour spécifier la version du modèle.

    "contentSearchSpec": {
  "summarySpec": {
    "modelSpec": {
      "version": "MODEL_VERSION"
     }
   }
 }

    • MODEL_VERSION : spécifie le modèle à utiliser pour générer des résumés. Les valeurs compatibles sont :

      • stable : chaîne. Spécification par défaut lorsqu'aucune valeur n'est spécifiée. stable pointe vers une version de modèle en disponibilité générale qui est affinée pour la génération de réponses. Le modèle vers lequel stable pointe change à mesure que de nouvelles versions de modèles en disponibilité générale sont publiées et que les versions précédentes sont arrêtées. Pour connaître la version à jour vers laquelle stable pointe, consultez Versions et cycle de vie des modèles de génération de réponses.
      • preview : chaîne. preview pointe vers le dernier modèle Gemini pour les questions et réponses. Pour en savoir plus sur Gemini, consultez Présentation des modèles.
      • Pour spécifier une version de modèle, saisissez son nom (par exemple, gemini-1.5-flash-002/answer_gen/v1). Pour connaître les versions compatibles, consultez Versions et cycle de vie des modèles de génération de réponses.

Par exemple, la requête de recherche suivante spécifie preview comme version du modèle :

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
"https://discoveryengine.googleapis.com/v1/projects/exampleproject/locations/global/collections/default_collection/dataStores/exampledatastore/servingConfigs/default_search:search" \
-d '{
  "query": "what is bigquery",
  "contentSearchSpec": {
    "summarySpec": {
      "modelSpec": {
        "version": "preview"
      }
    }
  }
}'

Limites des résumés de recherche

Vous pouvez rencontrer les limites suivantes lorsque vous utilisez les résumés de recherche :

  • Étant donné que les LLM sont utilisés pour générer des résumés et des citations de recherche, leurs limites s'appliquent également aux résumés Vertex AI Search.

    Pour obtenir des informations générales sur ces limites des LLM, consultez la section Limites de l'API PaLM de la documentation Vertex AI.

  • Les requêtes de recherche qui nécessitent un raisonnement logique ou analytique complexe, ou une compréhension du monde, peuvent générer des résumés de recherche contenant des informations incorrectes (hallucinations) ou des informations qui ne figurent pas dans les données non structurées ou sur le site Web.

  • Il est possible que certaines affirmations du résumé de recherche ne contiennent pas de citation :

    • Si le système détermine qu'une affirmation ne nécessite pas d'ancrage, il n'inclura pas de citation. Les phrases telles que "Voici ce que j'ai trouvé" ou "Il existe de nombreuses méthodes que vous pouvez suivre" manquent de citations.

    • L'absence de citations peut également indiquer qu'aucune référence valide n'a été trouvée. Les faits sans citations peuvent ne pas être fiables.

  • Dans de rares cas, des citations peuvent être attribuées de manière incorrecte à un énoncé.

  • Les documents complexes peuvent être analysés de manière incorrecte par le LLM. Dans ce cas, le résumé peut être incomplet ou incorrect.

  • Étant donné que les instructions de personnalisation sont en langage naturel, le respect des instructions ne peut pas être garanti pour toutes les demandes.