BigQuery 与多语言技术融合，重塑跨语言搜索体验

在当今全球化的市场中，跨越语言界限，精准捕捉并理解来自全球客户的评论，成为企业提升用户体验、深化市场洞察的关键挑战。BigQuery，作为强大的大数据管理与分析工具，携手多语言嵌入、矢量索引与搜索技术，以及无缝集成的翻译 API，共同打造了一套创新解决方案，让跨语言评论搜索与分析变得前所未有的简单高效。

该方案的核心，在于将海量的文本评论数据转化为数值向量，这一转变彻底颠覆了传统基于关键词的搜索模式，实现了超越语言界限的高级搜索能力。用户不再受限于评论的原始语言，只需以自己的首选语言提问，即可迅速获得经过智能筛选、精准翻译的相关评论结果。这一变革不仅极大提升了搜索结果的准确性和相关性，更为用户带来前所未有的便捷与个性化体验。

通过 BigQuery、多语言嵌入、矢量搜索和翻译 API 获得多语言评论见解

以德克萨斯州企业的Google本地评论数据为例，我们的解决方案能够轻松处理涵盖多种语言的评论集，让即便是对特定亚洲烘焙食品（如正宗蛋挞和广式包子）充满好奇的国际游客，也能在休斯顿的众多商业信息中，以中文提出问题，并快速获得详尽、相关的中文评论反馈。无论评论的原生语言是英文、日文还是其他任何语种，该方案都能确保信息的无缝聚合与精准翻译，让全球用户都能轻松获取并理解来自不同文化背景的真实声音。

通过这一创新解决方案，企业不仅能够更深入地理解全球客户的真实需求与反馈，还能有效促进跨文化交流，为全球化战略的成功实施奠定坚实基础。

翻译前：

在 BigQuery 中翻译后：在下面以 GIF 形式呈现的演示中，我们展示了三种语言的搜索功能：

中文
英文
西班牙文

用于此解决方案的 BigQuery 内置函数如下所示

Generate Embeddings for Source data:
CREATE OR REPLACE TABLE `xxxxxxx.reviews.multilingual_texas_reviews_Bakery_embedding` AS(SELECT *FROM ML.GENERATE_EMBEDDING( MODEL `xxxxxxx.reviews.multilingual_embedding`, (SELECT CONCAT(extracted_text,',',rating,',',category) AS content FROM `xxxxxxx.reviews.multilingual_texas_reviews` )));

Create Vector Index for Vector Search:CREATE OR REPLACE VECTOR INDEX multilingual_review_indexON `xxxxxxx.reviews.multilingual_texas_reviews_Bakery_embedding`(ml_generate_embedding_result)OPTIONS(index_type = 'IVF', distance_type = 'COSINE', ivf_options = '{"num_lists":500}')

Check information schema that vector indexes are createdSELECT table_name, index_name, index_status,coverage_percentage, last_refresh_time, disable_reasonFROM `xxxxxxx.reviews.INFORMATION_SCHEMA.VECTOR_INDEXES`

Vector Search  for your question SELECT query.query, base.content, base.rating, base.categoryFROM VECTOR_SEARCH(TABLE `xxxxxxx.reviews.multilingual_texas_reviews_Bakery_embedding`, 'ml_generate_embedding_result',(SELECT ml_generate_embedding_result, content AS queryFROM ML.GENERATE_EMBEDDING(MODEL `xxxxxxx.reviews.multilingual_embedding`,(SELECT "休士頓哪裡有正宗的葡式蛋撻和港式麵包？" AS content))),top_k => 10, options => '{"fraction_lists_to_search": 0.08}')

Translation API to detect source language:SELECT       ml_translate_result.languages[0].language_code AS target_language_code   FROM       ML.TRANSLATE(MODEL `xxxxxxx.reviews.model_cloud_translate`, (           SELECT "休士頓哪裡有正宗的葡式蛋撻和港式麵包？" AS text_content),           STRUCT("detect_language" AS translate_mode))

Translation API to translate reviews:SELECT   text_content AS `Original Text`,   "zh-CN" AS `Destination Language`,   STRING(ml_translate_result.translations[0].translated_text) AS Translation     FROM ML.TRANSLATE(   MODEL `xxxxxxx.reviews.model_cloud_translate`,   (select '{txt_}' as text_content),   STRUCT('translate_text' AS translate_mode, '{lang_}' AS target_language_code))

解决方案演示：

对评论数据集进行多语言搜索：借助 BigQuery 的强大功能，以您喜欢的语言提出问题并获取结果！

客户轻松跨越语言障碍，用喜爱语言搜索并阅读评论。Gemini 扩展方案助力，自动总结分类评论，让信息一目了然。此方案灵活适用各类产品评论、商业反馈及多语言数据集，只需添加搜索功能，用户即可按需获取解答。

展望 BigQuery 的潜力，它不仅是数据分析的利器，更是数据与 AI 工具创新的源泉。利用 BigQuery，我们可以构建各种实用工具，如市场趋势预测模型、个性化推荐系统等，挖掘数据深层价值，推动业务增长。

返回全部