AI901-Foundry#220
Video analyzer で生成した動画メタデータを配信プラットフォームの検索 / レコメンド システムに統合する際の Microsoft 推奨パターンとして、最も適切なものはどれですか?
解説
【正解: A】の理由
Video analyzer の analyzer スキーマで章構成 / 主要トピック / 視聴ハイライト / アクセシビリティ説明 / コンテンツ分類タグを構造化 JSON として取得し、Cosmos DB や Azure AI Search にインデックスして検索 / レコメンド システムにフィールド単位で連携する設計は、Microsoft Learn の Video analyzer + Search 統合リファレンス アーキテクチャに整合する標準パターンです。フィールド単位で連携することで「特定トピックを含む動画」「特定タグの動画」「アクセシビリティ説明から類似動画推薦」のような高度な検索 / レコメンド体験を構築でき、配信プラットフォームの差別化要因となります。
【他選択肢が違う理由】
Video analyzer の analyzer スキーマで章構成 / 主要トピック / 視聴ハイライト / アクセシビリティ説明 / コンテンツ分類タグを構造化 JSON として取得し、Cosmos DB や Azure AI Search にインデックスして検索 / レコメンド システムにフィールド単位で連携する設計は、Microsoft Learn の Video analyzer + Search 統合リファレンス アーキテクチャに整合する標準パターンです。フィールド単位で連携することで「特定トピックを含む動画」「特定タグの動画」「アクセシビリティ説明から類似動画推薦」のような高度な検索 / レコメンド体験を構築でき、配信プラットフォームの差別化要因となります。
【他選択肢が違う理由】
- B: Excel 手動共有はスケールせず、検索 / レコメンドに直結しません。
- C: VM ローカル DB はマネージド SaaS の利点を放棄する設計です。
- D: メタデータなしの配信は検索性 / 視聴維持率を著しく損なう本末転倒の選択です。

コメント