Weaviate: Filtrare Avansată și Căutare Structurată în Baze de Date Vectoriale & Căutare Semantică

Unul dintre principalele atuuri ale Weaviate este capacitatea de a executa filtrare nativă în timpul parcurgerii grafului vectorial (single-stage filtering), evitând problemele de sub-filtrare (post-filtering) sau scădere a calității aproximării vectoriale întâlnite în motoarele naive.

Exemplu de interogare semantică combinată cu filtre compuse pe bază de metadate:

from weaviate.classes.query import Filter, MetadataQuery

articles = client.collections.get("Documentatie")

# Căutare semantică restricționată de filtre logice
response = articles.query.near_text(
    query="arhitectură microservicii și securitate",
    limit=5,
    filters=Filter.by_property("departament").equal("Inginerie") &
            Filter.by_property("creat_la").greater_than("2024-01-01T00:00:00Z"),
    return_metadata=MetadataQuery(distance=True, score=True)
)

for obj in response.objects:
    print(f"[{obj.metadata.distance:.4f}] {obj.properties['titlu']}")

Filtrarea compusă evaluează concomitent măștile de biți ale indexului inversat și lista de vecini din graful HNSW, garantând returnarea strict a înregistrărilor conforme fără a compromite recall-ul vectorial.