Milvusで作る：パーソナライズされた不動産検索のためのAIを組み込んだプロテック
人工知能(AI)は、不動産において強力なアプリケーションを持っており、住宅検索プロセスを変革している。技術に精通した不動産の専門家は、顧客がより早く適切な住宅を見つけ、不動産購入のプロセスを簡素化するのに役立つ能力を認識し、何年も前からAIを活用してきた。コロナウイルスの大流行は、不動産テクノロジー（またはプロテック）への関心、採用、投資を世界的に加速させており、不動産業界において今後ますます大きな役割を果たすことを示唆している。
この記事では、Beikeがベクトル類似性検索を利用して、パーソナライズされた結果を提供し、ほぼリアルタイムで物件を推薦する家探しプラットフォームを構築した方法を探る。
ジャンプ：*へ
ベクトル類似検索とは](#what-is-vector-similarity-search)
Milvusはベクトルデータをどのように管理していますか](#how-does-milvus-manage-vector-data)
北家はどのようにMilvusを使って家探しをスマートにしているのか](#How-does-beike-use-milvus-to-make-house-hunting-smarter)
#北家
ベクトル類似検索とは？
ベクトル類似性検索は、人工知能、ディープラーニング、伝統的なベクトル計算のシナリオなど、多岐に渡る用途がある。AI技術の普及は、ベクトル検索と、画像、動画、音声、行動データ、文書、その他多くのものを含む非構造化データの意味を理解する能力に起因する部分があります。
非構造化データは全データの80～90％を占めると推定され、そこから洞察を抽出することは、変化し続ける世界で競争力を維持したい企業にとって急速に必要条件となっている。非構造化データ分析に対する需要の高まり、コンピュートパワーの上昇、コンピュートコストの低下により、AIを活用したベクトル検索はこれまで以上に身近なものとなっている。
構造化データと非構造化データの違いを理解しよう！](https://assets.zilliz.com/beike_blog_img1_2dc95cac08.jpg)
従来、非構造化データは、事前に定義されたモデルや組織構造に従っていないため、大規模な処理や分析が困難でした。ニューラルネットワーク（CNN、RNN、BERTなど）は、非構造化データを特徴ベクトル（コンピュータが容易に解釈できる数値データ形式）に変換することを可能にする。その後、コサイン類似度やユークリッド距離のような測定基準を使用して、ベクトル間の類似性を計算するアルゴリズムが使用される。
結局のところ、ベクトル類似性検索とは、膨大なデータセットから類似したものを特定するための技術を表す広い用語なのだ。Beikeはこの技術を使って、個々のユーザーの好み、検索履歴、物件条件に基づいて自動的に物件を推薦するインテリジェントな住宅検索エンジンを提供し、不動産検索と購入プロセスを加速させている。Milvusは、オープンソースのベクトルデータベースであり、情報とアルゴリズムを結び付け、BeikeのAI不動産プラットフォームの開発と管理を可能にしている。
（英語
Milvusはどのようにベクトルデータを管理しているのか？
Milvusは大規模なベクトルデータ管理のために特別に構築され、画像やビデオの検索、化学物質の類似性分析、パーソナライズされた推奨システム、会話AIなど、さまざまな用途に応用されています。Milvusに格納されたベクトルデータセットは効率的にクエリすることができ、ほとんどの実装はこの一般的なプロセスに従っています：
Milvusはどのようにベクトルデータを管理しているのか](https://assets.zilliz.com/beike_blog_img2_d5abb58f95.jpg)
北家はどのようにMilvusを使って家探しをスマートにしているのか？
Beike](https://bj.ke.com/)は、不動産業者が賃貸物件や売買物件を掲載できるオンラインプラットフォームである。家探しの体験を向上させ、不動産業者がより早く取引を成立させるために、同社は物件データベースにAIを搭載した検索エンジンを構築した。Beikeの不動産物件データベースは特徴ベクトルに変換され、インデックス作成と保存のためにMilvusに供給された。Milvusは、入力された物件、検索条件、ユーザー・プロフィール、その他の条件に基づいて類似検索を行うために使用される。
例えば、ある物件に類似する住宅を検索する場合、間取り、広さ、向き、内装仕上げ、塗装色などの特徴が抽出される。物件リストの元データベースはインデックス化されているため、検索はわずか数ミリ秒で行うことができる。Beikeの最終成果物は、300万以上のベクトルを含むデータセットで平均クエリー時間が113ミリ秒だった。しかし、Milvusは1兆スケールのデータセットでも効率的な速度を維持することができ、この比較的小さな不動産データベースを軽々と処理することができる。一般に、このシステムは次のようなプロセスを踏む：
1.ディープラーニングモデル（CNN、RNN、BERTなど）が非構造化データを特徴ベクトルに変換し、Milvusにインポートする。
2.Milvusは特徴ベクトルを保存し、インデックスを作成する。
3.Milvusはユーザーのクエリに基づいて類似検索結果を返す。
Milvusの概要](https://assets.zilliz.com/milvus_overview_diagram_d17cda0e47.png)
Beikeのインテリジェントな不動産検索プラットフォームは、コサイン距離を使ってベクトルの類似性を計算する推薦アルゴリズムによって支えられている。このシステムは、お気に入りの物件と検索条件に基づいて、類似した住宅を見つける。簡単に説明すると、以下のように動作する：
1.入力された物件情報に基づいて、間取り、広さ、向きなどの特徴が4つの特徴ベクトルのコレクションを抽出するために使用される。
2.抽出された特徴コレクションは、Milvusで類似検索を実行するために使用される。各ベクトルのコレクションに対するクエリの結果は、入力リストと他の類似リストとの類似性の尺度となる。
3.4つのベクトルコレクションからの検索結果が比較され、類似住宅を推薦するために使用されます。
北家のインテリジェントな家探しプラットフォームの概要](https://assets.zilliz.com/beike_intelligent_house_platform_diagram_6e278da118.jpg)
上の図が示すように、このシステムは、データを更新するためにA/Bテーブル切り替えメカニズムを実装している。Milvusは、最初のT日間のデータをテーブルAに格納し、T+1日目にテーブルBへの格納を開始し、2T+1日目にテーブルAの書き換えを開始する、という具合である。
<br
Milvusを使ったものづくりについてもっと知りたい方は、以下の資料をご覧ください：
WPS Office用AIライティング・アシスタントの構築](https://zilliz.com/blog/Building-an-AI-Powered-Writing-Assistant-with-WPS-Office)
Milvusで作る: XiaomiのモバイルブラウザでAIを使ったニュース推薦](https://zilliz.com/blog/Making-with-Milvus-AI-Powered-News-Recommendation-Inside-Xiaomi-Mobile-Browser)
読み続けて
Introducing Business Critical Plan: Enterprise-Grade Security and Compliance for Mission-Critical AI Applications
Discover Zilliz Cloud’s Business Critical Plan—offering advanced security, compliance, and uptime for mission-critical AI and vector database workloads.
Introducing Zilliz MCP Server: Natural Language Access to Your Vector Database
Developers can easily manage and query vector databases with natural language via Zilliz MCP Server in AI-native environments.
Empowering Innovation: Highlights from the Women in AI RAG Hackathon
On January 25, 2025, the inaugural Women in AI RAG Hackathon brought together a diverse group of women technologists at Stanford University