커피 리뷰 AI 검색 실습
2026년 7월 12일 공유
Azure AI Search 실습 가이드
개요
목표: 9개의 워드 리뷰 파일을 Azure AI Search에 업로드·인덱싱하고, OCR·텍스트·이미지 분석 스킬을 적용해 검색·분석을 수행한다.
- 핵심 흐름:
- 리소스(AI Search, AI Service, Storage Account) 생성
- 파일 업로드 및 데이터 소스 연결
- Skillset → Indexer → Index 구성
- 쿼리 실행(위치·감정 등 필터링)
- Knowledge Store 및 파일 구조 검토
- 리소스 삭제
주의: 모든 리소스는 동일한 지역(예: eastus)으로 설정해야 한다.핵심 개념
개념 | 설명 |
|---|---|
AI Search | Azure가 제공하는 검색 서비스(인덱싱·검색 엔진) |
AI Service | GPT/LLM, Vision API 등 AI 기능을 제공하는 서비스 |
Storage Account | 문서와 이미지 파일을 보관하는 Blob Storage |
Skillset | OCR, Key Phrase, Sentiment, Location 추출, 이미지 태그·캡션 생성 등 사전 처리 단계 |
Indexer | Data Source → Skillset → Index(저장소) 연결 고리 |
Index | 검색을 위한 데이터베이스(문서, 메타데이터, 분석 결과 등) |
Knowledge Store | AI Search가 생성한 JSON·이미지·메타데이터를 보관·시각화하는 공간 |
JSON View | 검색 결과를 JSON 구조로 확인할 수 있는 UI |
상세 단계
1. 리소스 생성
단계 | 주요 설정 | 비고 |
|---|---|---|
AI Search | 서비스 이름(예: hd7d-ai-search-015), 지역(eastus), 가격 층(Standard) | 생성 완료 후 리소스 이동 |
AI Service | 서비스 이름(예: hgd-ai-service), 지역(eastus), 가격 층(Standard S) | 책임 있는 AI 동의 체크 |
Storage Account | 계정 이름(소문자·숫자만, 예: hddstorage), 지역(eastus), 복제(LRS) | Blob Storage → 컨테이너 생성( coffee_reviews) |
Tip: Blob Storage에서 Anonymous Access를Enabled로 설정 후 컨테이너를private으로 유지.
2. 파일 업로드
coffee_reviews컨테이너에 9개의 Word 파일(review1.docx~review9.docx) 드래그‑앤‑드롭
- 업로드 완료 확인(오른쪽 팝업 사라짐)
3. AI Search 설정
3‑1. 데이터 소스 연결
데이터 소스: Azure Blob Storage →
coffee_reviews 컨테이너- 연결 문자열: 기존 선택 → Storage Account 연결
데이터 원본 이름:
coffee_customer_data3‑2. Skillset 구성
스킬 | 설명 |
|---|---|
OCR | 이미지에서 텍스트 추출 → merged_content 필드에 저장 |
Key Phrase | 핵심 문장 추출 |
Sentiment | 감정(positive/negative/neutral) |
Location Extraction | 위치 명(시, 지점 등) 추출 |
Image Tag & Caption | 이미지 태그, 캡션 생성 (Azure Vision) |
3‑3. Knowledge Store 설정
프로젝션: Azure Blob →
knowledge_store 컨테이너 생성- 파일/테이블/블록 모두 선택
인덱스:
coffee_index (키: data_storage_path)3‑4. 인덱스 정의
필드:
content, location, sentiment, keyPhrases, tags, captions, 등- 검색 모드: 기본(
default) 사용
필터링 가능:
content에 true 부여3‑5. 인덱서 생성
이름:
coffee_indexer- 스케줄: 매번(
Once)
인코딩: Base64(필수 체크)
- 대기시간: 최소(1분)
4. 인덱서 실행 & 진행 확인
검색관리 → 인덱서에서 진행률 확인
- 완료 시
성공표시
5. 검색 쿼리 예시 (JSON View)
필터 | 쿼리 예시 | 결과 개수 |
|---|---|---|
전체 검색 | * | 9 |
위치가 시카고 | { "location": "Chicago" } | 3 |
부정 감정 | { "sentiment": "negative" } | 2 |
키워드 검색 | { "keyPhrases": "terrible experience" } | 1 |
Search Score: 결과와 쿼리 유사도(수치가 클수록 관련성 높음)
6. Knowledge Store 내용 검토
- JSON 파일:
coffee_customer_data.json(메타데이터, 이미지 프로젝션 포함)
- 이미지 프로젝션:
coffee_skillset_image_projection→ 이미지 파일·태그·캡션 확인
- 핵심구 저장:
keyPhrases목록(coffee,drink,wifi등)
7. 리소스 정리
- Azure Portal → 모든 리소스 → 선택 → 삭제
- 삭제 확인 입력 →
삭제 완료
요약
- AI Search를 활용해 9개의 리뷰 파일을 OCR·텍스트·이미지 분석 후 검색 인덱스에 저장했다.
- Skillset에 핵심 구 추출, 감정 분석, 위치 추출, 이미지 태그·캡션 기능을 추가해 다차원 검색이 가능하게 했다.
- Knowledge Store에서 결과를 JSON·이미지 구조로 확인할 수 있어 시각적 분석과 보강에 활용된다.
- 모든 리소스는 동일 지역(
eastus)에 배포되며, 실습 종료 시 반드시 삭제한다.