| | 1 | == Advanced Phase |
| | 2 | |
| | 3 | = Опис |
| | 4 | Имплементација на систем за препораки базиран на AI embeddings користејќи pgvector екстензија за PostgreSQL. Секоја активност, услуга и опрема добива своја векторска репрезентација (embedding) на нејзиниот опис, а системот наоѓа математички слични записи преку cosine similarity. |
| | 5 | = Како функционира? |
| | 6 | Основната идеја е дека текстот (опис на активност, услуга или опрема) се претвора во вектор — листа од броеви каде секој број го претставува значењето на зборот во тој текст. Колку се векторите поблиску математички, толку се посличните записи. |
| | 7 | |
| | 8 | {{{ Опис на запис → AI модел → Vector [0.23, 0.89, ...] → Слични записи }}} |
| | 9 | |
| | 10 | = Чекори |
| | 11 | |
| | 12 | * '''Чекор 1''' |
| | 13 | Инсталација на pgvector во Docker контејнерот и активирање на екстензијата во PostgreSQL |
| | 14 | |
| | 15 | * '''Чекор 2''' |
| | 16 | На табелите Activity, Service и Equipment се додава нова колона од тип vector(384). Димензијата 384 одговара на моделот all-MiniLM-L6-v2 кој се користи за генерирање на embeddings.. |
