awesome vector database

？素晴らしいベクターデータベース

高次元構造/ベクトル検索およびデータベースに関連する素晴らしい作品のキュレーションリスト

サービス

• Google Vector Search（頂点AI）
• 松ぼっくり
• Weaviate [初心者ガイド]
• Vespa
• Txtai
• マルコ
• ヴェクタラ
• epsilla
• アルゴリア
• Meilisearch
• Nucliadb
• OpenSearch
• マイスケール
• qdrantcloud
• Zilliz
• OpenSearchのAlibababacloud
• タイプセンスのクラウド
• Mongodb Atlas Vector検索
• superduperdb
• kbd.ai

比較

• Vespaから
• VectorHubによるベクトルDB比較
• マイスケールベクトルデータベースベンチマーク

ライブラリとエンジン

多次元データ /ベクトル

• ？ベクトルDB機能マトリックス
• ファイスペーパー
• タイプセンス
• qdrant
  • ビデオチュートリアル、ノートブック
• いらいらさせる
• ngt
• pgvector
• 彩度
• llamaindex
• epsilla
• jvector
• ラフト
• バルド
• ボイジャー
• tinyvector
• Usearch
• vearch
• mrpt
• ミルバス
• 無限
• havenask
• Chromem-go
• oasysdb [ノートブック]
• Meilisearch-セマンティック（ベクター）、フルテキスト、ハイブリッド検索のためのエンジンAPIを検索
• ARROY-近くの近隣のrustライブラリ
• ブリーブ
• cuvs
• vsag
• sqlite-vec
• myscaledb
• ホラ
• アロイ
• kgraph
• LeastNeighbors.jl
• muopdb

テキスト

• ピサ
• タンティビー
• ソニック

その他

• SIMSIMD： scipy.spatial.distanceおよびnumpy.innerに代わる効率的な代替

ベンチマークとデータベース

• アンベンチマーク[紙]。

• 10億個のアンズベンチマーク

  • 2021結果
  • Simhadri、Harsha Vardhan、他「Big Annの結果：Neurips'23競争。」 Arxiv Preprint arxiv：2409.17424（2024）。

• ベイア

• VectordBbench -Vectorデータベースベンチマークツール、[github]

• QDRANTのベクトルデータベースベンチマーク

• MyScaleのVectorデータベースベンチマーク

• Li、Wen、et al。 「高次元のデータに関する近隣の近隣検索概算 - 実験、分析、および改善。」知識とデータエンジニアリングに関するIEEEトランザクション32.8（2019）：1475-1488。

• Zeng、Xianzhi、他「キャンディ：動的なデータ摂取による継続的な近隣の近隣検索のベンチマーク。」 arxiv preprint arxiv：2406.19651（2024）。

• Intellabsのベクトル検索データセット

本

• 多次元データ構造とメトリックデータ構造の基礎
• 情報検索の紹介
• 検索のための深い学習
• ベクトル検索の基礎

会議とワークショップ

• vldb
  • チュートリアル：
    • ハイDベクターの類似性検索の新しいトレンド[スライド、ビデオ、紙]
• 野生の画像検索（CVPR20）[ビデオ]
• ヘイスタック
• 動作中のニューラル検索
• ACM MM 2020：効果的かつ効率的：オープンワールドインスタンスの再識別に向けて
  • 10億スケールのおおよその最近傍検索：[スライド、ビデオ]
  • インスタンスの検索は解決された問題ですか？ [スライド、ビデオ]
• 検索拡張生成とベスパ[スライド]
• SISAPインデックスチャレンジ
  • 2023競争
  • 2024年の競争

コース

• AI -Vector検索およびデータベースの長期メモリ（COS 495-プリンストン）[クラスノート]
• Freiburg情報検索WS 2022-2023 [Webサイト、ビデオ講義]
• ベクトルの類似性検索とFAISSコース[YouTubeプレイリスト]

その他

• VectorHub：MLスタックにベクトル検索を追加することに関心のある人々（ソフトウェア開発者からシニアMLアーキテクトのソフトウェア開発者）向けの無料のオープンソース学習Webサイト。

出版物

調査

• パン、ジェームズ・ジー、jianguo王、グリアン・リー。 「ベクターデータベース管理システムの調査。」 arxiv preprint arxiv：2310.14021（2023）。 [紙]
• Aumüller、Martin、Matteo Ceccarello。 「最近のアプローチと最近近隣検索の傾向。」 {IEEE}データエンジニアリング速報（2023）。
• 最近隣の検索：古い、新しい、そして不可能。アンドニ、アレクサンドル。 [紙]
• ガンバロフ、アリ、他「エッジデバイス上のグラフベースの最近近隣検索アルゴリズムの実験的比較。」 Arxiv Preprint arxiv：2411.14006（2024）。

量子化

出典：製品の量子化の調査。

• PQ：最近傍検索の製品量子化。 Jegou、Herve、Matthijs Douze、Cordelia Schmid。 [紙、コード、ジュリアコード、ナノップ]
• GPUのK選択：GPUによる10億スケールの類似性検索。ジョンソン、ジェフ、マティジス・ドゥーズ、ヘルヴェ・ジェゴウ[紙、コード]
• 製品の量子化の調査。松井、ゆき、Yusuke uchida、HervéJégou、Shin'ichi stoh [紙]
• OPQ：最適化された製品の量子化。 Ge、Tiezheng、Kaiming He、Qifa Ke、Jian Sun [ホームページ、紙、コード、Nanopq]
• より速いADC：SIMDによる製品量子化の隠された可能性を解き放ちます。アンドレ、ファビアン、アン・マリー・カーマレック、ニコラス・ル・スカウルネック[紙、コード]
  • クイックADCを使用した加速最近隣接検索。アンドレ、ファビアン、アン・マリー・カーマレック、ニコラス・ル・スカウルネック[紙]。
  • キャッシュローカリティだけでは十分ではありません。製品量子化高速スキャンを使用した高性能の最近近隣検索。 FabienAndré、Anne-Marie Kermarrec、Nicolas Le Scouarnec [Paper]
• スキャン：異方性ベクターの量子化による大規模な推論を加速します。 Guo、Ruiqi、Philip Sun、Erik Lindgren、Quan Geng、David Simcha、Felix Chern、およびSanjiv Kumar [Paper、Python/C ++推論、ジュリアトレーニング/推論]
• 反転したマルチインデックス。 Babenko、Artem、およびVictor Lempitsky [紙、コード]
• 私たちはもうそこにいますか？製品の量子化とそのハードウェア加速。フェルナンデス・マルクス、ハビエル、アーメド・F・アブエルハメド、ニコラス・D・レーン、モハメド・S・アブデルファッタ。 [紙]
• LIBVQ：ベクターの量子化と効率的な神経検索を最適化するためのツールキット。 Li、Chaofan、Zheng Liu、Shitao Xiao、Yingxia Shao、Defu Lian、およびZhao Cao。 [紙、コード]
• 松井、ユスケ、リオタ・ヒナミ、ヴィチチ・サトー。 「再構成可能な逆インデックス。」マルチメディアに関する第26回ACM国際会議の議事録。 2018。[紙、プロジェクト、コード]
• Aguerrebere、Cecilia、et al。 「圧縮されたインデックスを使用して、瞬く間に類似性検索。」 Arxiv Preprint arxiv：2304.04759（2023）。
• Huijben、Iris、et al。 「暗黙の神経コードブックによる残留量子化。」 Arxiv Preprint arxiv：2401.14732（2024）。 [コード]
• Rege、Aniket、et al。 「Adanns：Adaptive Semantic Searchのフレームワーク。」神経情報処理システムの進歩36（2024）。
• アマラ、ケンザなど「コンパクトコードを使用した最近隣の検索：デコーダーの視点。」マルチメディア検索に関する2022年の国際会議の議事録。 2022。
• クリシュナン、アディティア、エドリバティ。 「射影クラスタリング製品の量子化。」 Arxiv Preprint arxiv：2112.02179（2021）。
• ノー、ヘカミー、テホ・キム、ジェ・ピル・フー。 「製品量子化装置は、スケーラブルな最近隣接する検索のための反転インデックスを認識します。」コンピュータービジョンに関するIEEE/CVF国際会議の議事録。 2021。
• Zhan、Jingtao、他「検索パフォーマンスを改善するために、クエリエンコーダーと製品の量子化を共同で最適化します。」情報＆ナレッジマネジメントに関する第30回ACM国際会議の議事録。 2021。
• 王、ランフイ、ドンデン。 「Deltapq：高次元の類似性検索のためのロスレス製品量子化コード圧縮。」 VLDB基金の議事録13.13（2020）：3603-3616。
• チャン、ヤング・キュン、ナム・イク・チョ。 「半監視画像検索のための一般化された製品量子化ネットワーク。」コンピュータービジョンとパターン認識に関するIEEE/CVF会議の議事録。 2020。
• Chen、Ting、Lala Li、Yizhou Sun。 「エンドツーエンドの埋め込み圧縮のための微分可能な製品の量子化。」機械学習に関する国際会議。 PMLR、2020。
• Huang、Rong、et al。 「Web検索で個別のドキュメント表現を学習します。」知識発見とデータマイニングに関する第29回ACM SIGKDD会議の議事録。 2023。
• ナルディーニ、フランコ・マリア、コジモ・ルリリ、ロッサノ・ベンチュリーニ。 「ビットベクトルを使用した効率的なマルチベクトル密度検索。」情報検索に関する欧州会議。 Cham：Springer Nature Switzerland、2024。[コード]
• Gao、Jianyang、Cheng Long。 「Rabitq：近隣の近隣検索のための理論的誤差を使用して高次元ベクトルを量子化します。」 Arxiv Preprint arxiv：2405.12497（2024）。 [（code）[https://github.com/gaoj0017/rabitq]]
• Gao、Jianyang、他「おおよその近隣隣接検索のためのユークリッド空間における高次元ベクトルの実用的および漸近的に最適な量子化。」 arxiv preprint arxiv：2409.09913（2024）。
• モホニー、ジェイソン他「ストリーミングベクトル検索のための増分IVFインデックスメンテナンス。」 Arxiv Preprint Arxiv：2411.00970（2024）。
• Yang、Mingyu、Wentao Li、Wei Wang。 「効率的なインデックス時間と空間を備えた高次の高次元近隣の近隣検索」 Arxiv Preprint arxiv：2411.06158（2024）。

グラフベースの方法

• Wang、Zeyu、et al。 「高次元ベクターの類似性検索のグラフとツリーベースのインデックス：分析、比較、および将来の方向。」データエンジニアリング（2023）：3-21。
• 包括的な調査とグラフベースの近隣傍検索の実験的比較。 Wang、Mengzhao、Xiaoliang Xu、Qiang Yue、Yuxiang Wang。 [紙、コード]
• Lin、Peng-cheng、およびWan-lei Zhao。 「グラフベースの最近傍検索：約束と失敗。」 Arxiv Preprint arxiv：1904.02077（2019）。
• HNSW：階層的なナビゲーション可能な小さな世界グラフを使用した効率的で堅牢な近隣の近隣検索。マルコフ、Yu A.、およびDmitry A. Yashunin。 [紙、コード、錆びたバージョン、GOバージョン]
• グラフベースのANNSアルゴリズムを10億サイズのデータ​​セットにスケーリングする：比較分析。 Dobson、Magdalen、Zheqi Shen、Guy E. Blelloch、Laxman Dhulipala、Yan Gu、Harsha Vardhan Simhadri、Yihan Sun。 [紙]
• 指：グラフベースの近隣隣接検索の高速推論。 Chen、Patrick、Wei-Cheng Chang、Jyun-Yu Jiang、Hsiang-Fu Yu、Inderjit Dhillon、およびCho-Jui Hsieh [Paper、Video]
• NSG：近隣の近隣検索のためのスプレッドアウトグラフをナビゲートします。 Fu、Cong、Chao Xiang、Changxu Wang、およびDeng Cai。 [紙、コード]
• Efanna：KNNグラフに基づいた非常に高速な最近近隣検索アルゴリズム。 Cong Fu、Deng Cai。 [紙、コード]
• Khan、Saim、et al。 「BANG：単一のGPUを使用して、10億個の近隣の近隣検索。」 Arxiv Preprint Arxiv：2401.11324（2024）。
• Ootomo、Hiroyuki、他「Cagra：GPUの非常に平行なグラフ構造と近隣の近隣の概算検索。」 Arxiv Preprint arxiv：2308.15136（2023）。
• オグリ、ユタロ、松井ゆえ。 「グラフベースの最近近隣検索のグラフベースの適応エントリポイント選択の理論的および経験的分析。」 Arxiv Preprint arxiv：2402.04713（2024）。
• オグリ、ユタロ、松井ゆえ。 「既製のグラフベースのインデックスのための一般的かつ実用的なチューニング方法：チームユートキョによるSISAPインデックスチャレンジレポート。」類似性検索とアプリケーションに関する国際会議。 Cham：Springer Nature Switzerland、2023。
• Wang、Mengzhao、他「スターリング：データセグメントでの高次元ベクトル類似性検索のためのI/O効率の高いディスクレジデントグラフインデックスフレームワーク。」 Arxiv Preprint Arxiv：2401.02116（2024）。 [コード]
• Manohar、Magdalen Dobson、他「Parlayann：スケーラブルで決定論的な並列グラフベースの近隣隣接検索アルゴリズム。」並行プログラミングの原則と実践に関する第29回ACM SIGPLAN年次シンポジウムの議事録。 2024。[コード]
• Wang、Mengzhao、他「属性制約を備えたおおよその最近近隣検索のための効率的で堅牢なフレームワーク。」神経情報処理システムの進歩36（2024）。
• Yu、Shangdi、et al。 「Pecann：グラフベースの近隣の近隣検索を使用した並列効率的なクラスタリング。」 Arxiv Preprint Arxiv：2312.03940（2023）。
• Azizi、Ilias、Karima Echihabi、およびThemis Palpanas。 「Elpis：スケーラブルなデータサイエンスのグラフベースの類似性検索。」 VLDB基金の議事録16.6（2023）：1548-1559。
• Indyk、Piotr、およびHaike Xu。 「人気のある近隣の近隣検索実装の最悪のパフォーマンス：保証と制限。」神経情報処理システムの進歩36（2024）。
• Liu、Jun、et al。 「グラフベースの最適化最近近隣検索：より強くて賢い。」 2022年23日IEEEモバイルデータ管理に関する国際会議（MDM）。 IEEE、2022。
• 王、hui、Yong Wang、およびWan-Lei Zhao。 「グラフベースのおおよそのNN検索：再訪。」 Arxiv Preprint arxiv：2204.00824（2022）。
• Peng、Zhen、他「スピードアン：低遅延および高精度の最近傍検索によるクエリ内並列性による検索。」 Arxiv Preprint Arxiv：2201.13007（2022）。
• Lu、Kejing、et al。 「HVS：近隣の近隣検索を解くためのボロノイ図に基づく階層グラフ構造。」 VLDB基金の議事録15.2（2021）：246-258。 [コード]
• Yingfan、Liu、Cheng Hong、およびCui Jiangtao。 「高次元データに関する$ k $ nearest Neighborグラフ構造の再訪：実験と分析。」 Arxiv Preprint arxiv：2112.02234（2021）。
• Zhu、Dantong、Minjia Zhang。 「近隣の近隣検索のための単調な近接グラフの理解と一般化。」 Arxiv Preprint arxiv：2107.13052（2021）。
• Gottesbüren、Lars、et al。 「大規模な最近隣の検索のためのグラフのパーティションを解き放つ。」 Arxiv Preprint arxiv：2403.01797（2024）。
• Singh、Aditi、et al。 「FreshDiskann：ストリーミング類似性検索のための高速かつ正確なグラフベースのANNインデックス。」 Arxiv Preprint arxiv：2105.09613（2021）。
• Wang、Hui、Wan-Lei Zhao、Xiangxiang Zeng。 「GPUの大規模なおおよそのK-NNグラフ構造。」 Arxiv Preprint arxiv：2103.15386（2021）。
• パテル、リアナ、他「Acorn：ベクターの埋め込みと構造化されたデータを介したパフォーマンスと述語と非存在の検索。」 Arxiv Preprint arxiv：2403.04871（2024）。
• Zuo、Chaoji、他「農奴：レンジフィルタリングのためのセグメントグラフおおよその近隣隣接検索。」データの管理に関するACMの議事録2.1（2024）：1-26。
• Hezel、Nico、et al。 「効率的なマルチメディア検索のための継続的な改良を伴う探査グラフ。」マルチメディア検索に関する2024年の国際会議の議事録。 2024。
• Xiao、Wentao、et al。 「リアルタイムの更新のためのHNSWインデックスの強化：到達不可能なポイントとパフォーマンスの劣化に対処します。」 Arxiv Preprint arxiv：2407.07871（2024）。
• ヤン、シュオ、他「近接グラフベースの近隣隣接隣接検索のインデックス構造を再検討します。」 Arxiv Preprint arxiv：2410.01231（2024）。
• Gou、Yutong、et al。 「SymphonyQG：近隣の近隣検索のための量子化とグラフの交響曲統合に向けて。」 Arxiv Preprint arxiv：2411.12229（2024）。
• ヤン、ミン、Yuzheng Cai、Weiguo Zheng。 「CSPG：近隣の近隣検索のためのまばらな近接グラフを交差させます。」神経情報処理システムに関する第38回年次会議。

？ツリーベースの方法

• Jayaram Subramanya、Suhas、et al。 「Diskann：単一のノードでの10億ポイントの最近近隣検索が高速である」神経情報処理システムの進歩32（2019）。 [コード]
• Li、Haitao、他「効率的かつ効果的な密度の高い検索のためのツリーベースのインデックスの構築。」 Arxiv Preprint Arxiv：2304.11943（2023）。
• エンゲルス、ジョシュア他「ウィンドウフィルターを使用した近隣の近隣検索概算。」 Arxiv Preprint arxiv：2402.00943（2024）。
• 歌、ヤン、他「プロモーション：軽量インデックスを備えた効率的な高次元C概要最大内製品検索。」 2021 IEEE第37回データエンジニアリング会議（ICDE）。 IEEE、2021。
• Zhu、Yifan、他「GTS：高速類似性検索のためのGPUベースのツリーインデックス。」 Arxiv Preprint arxiv：2404.00966（2024）。
• Tatsuno、Kento、et al。 「AISAQ：DRAMフリーの情報検索のための製品量子化を備えたオールインストレージANN」 Arxiv Preprint Arxiv：2404.06004（2024）。

ハッシュ

• ハッシュの学習に関する素晴らしい論文
• ハッシュの学習に関する調査。 Wang、Jingdong、Ting Zhang、Nicu Sebe、およびHeng Tao Shen [Paper]
• 深いハッシュ方法に関する調査。 Luo、Xiao、Haixin Wang、Daqing Wu、Chong Chen、Minghua Deng、Jianqiang Huang、Xian-Sheng Hua。 [紙]
• 反復量化：大規模な画像検索のバイナリコードを学習するためのProcrusteanアプローチ。 Gong、Yunchao、Svetlana Lazebnik、Albert Gordo、およびFlorent Perronnin [Paper、Python Code、Matlab Code]
• ガン、ユーカン他「Tencentでのバイナリ埋め込みベースの検索。」 Arxiv Preprint Arxiv：2302.08714（2023）。
• Yan、Bencheng、et al。 「Webスケールアプリケーション向けのバイナリコードベースのハッシュ埋め込み。」情報＆ナレッジマネジメントに関する第30回ACM国際会議の議事録。 2021。
• Weng、Zhenyu、Yuesheng Zhu。 「マルチビット量子化による監視されていないオンラインハッシュ。」コンピュータービジョンに関するアジア会議の議事録。 2022。
• Huang、Qiang、Yifan Lei、およびAnthony Kh Tung。 「ユニットハイパースフィアを越えて、ポイントからハイパープレーンの最近傍検索」データ管理に関する2021年の国際会議の議事録。 2021。
• Weng、Zhenyu、Yuesheng Zhu、およびRuixin Liu。 「加重ハミング距離によるバイナリコードの高速検索。」 Arxiv Preprint arxiv：2009.08591（2020）。
• Jian、Xiaozheng、他「GPUのXORフレンドリーなバイナリ量子化を介した高速TOP-K COSINE類似性検索。」 Arxiv Preprint Arxiv：2008.02002（2020）。
• Zheng、Bolong、他「PM-LSH：高次元の近似NN検索のための高速で正確なLSHフレームワーク。」 VLDB基金の議事録13.5（2020）：643-655。
• エグバリ、セペール。 「コンパクトコードを使用したスケーラブルな最近傍検索」 （2019）。
• レイ、イーファン他「最も長い円形の共層に基づく地域に敏感なハッシュスキーム。」データ管理に関する2020 ACM SIGMOD国際会議の議事録。 2020。
• Wei、Jiuqi、et al。 「Det-LSH：近隣の近隣検索のための動的エンコードツリーを備えた地域に敏感なハッシュスキーム。」 Arxiv Preprint arxiv：2406.10938（2024）。

他のアプローチ

• チェン、QI、他「スパン：非常に効率的な10億個の近隣隣接隣接隣接検索」 Arxiv Preprint Arxiv：2111.08566（2021）。 [コード]
• Li、Yuliang、et al。 「最適性保証を使用したインデックスベースの高次元的なコサインしきい値クエリ。」コンピューティングシステムの理論65（2021）：42-83。
• チェン、エワン、他「Semi-Convex Hull Tree：GPUの大規模なデータの高速近くの隣接クエリ。」 2018 IEEEデータマイニングに関する国際会議（ICDM）。 IEEE、2018。
• エンゲルス、ジョシュア、ベンジャミン・コールマン、アンシュマリ・シュリヴァスタバ。 「グループテストを介した実際の近隣の検索。」神経情報処理システムの進歩34（2021）：9950-9962。 [補足]
• ゴング、ロング、他「IDEC：近隣の近隣検索の概念的な距離推定コード。」 VLDB基金の議事録13.9（2020）。
• Lu、Kejing、et al。 「VHP：仮想ハイパースフィアパーティション化を介して、近隣の近隣検索の近似」 VLDB基金の議事録13.9（2020）：1443-1455。
• Bing Tian、Haikun Liu、Yuhang Tang、Shihai Xiao、Zhuohui Duan、Xiaofei Liao、Xuecang Zhang、Junhua Zhu、Yu Zhang。 「Fusionanns：10億個の近隣の近隣検索のための効率的なCPU/GPU協同組合処理アーキテクチャ。」 （2024）。
• チェン、Zhonghan、他「高次元空間での最も近い隣の検索の意味を探る。」 Arxiv Preprint arxiv：2410.05752（2024）。
• Tepper、Mariano、他「GLEANVEC：ミニマリストの非線形寸法削減によるベクトル検索の加速。」 Arxiv Preprint arxiv：2410.22347（2024）。
• Li、Jingyu、et al。 「Panther：単一のサーバー設定でのプライベート近隣の近隣検索。」 Cryptology Eprint Archive（2024）。
• Wei、Jiuqi、et al。 「サブスペースの衝突：高次元の近似隣接隣接検索のための効率的で正確なフレームワーク。」 Arxiv Preprint arxiv：2411.14754（2024）。

システム

• Qin、an、et al。 「迷路：Webスケールの費用効率の高いビデオ重複排除システム。」マルチメディアに関する第30回ACM国際会議の議事録。 2022。
• Doshi、Ishita、et al。 「Lanns：Webスケールのおおよその近隣隣接ルックアップシステム。」 Arxiv Preprint arxiv：2010.09426（2020）。
• チェン、ヤオキ、他「OnesParse：マルチインデックスベクトル検索の統一システム。」 Web Conference2024。2024のACMのコンパニオン議事録。

その他

• クエリの尤度ブーストと2レベルのおおよその検索エッジデバイスの検索最適化
• Gao、Jianyang、Cheng Long。 「高次元の最近近隣検索：信頼性が高く効率的な距離比較操作を備えています。」データ管理に関するACMの議事録1.2（2023）：1-27。
• 推奨システムでの近隣の近隣検索。 Yury Malkov。
• Rapids Raftを使用したGPUでのベクトル検索の加速。コーリーノレット
• Gupta、Gaurav、他「Caps：フィルタリングされた類似性検索の実用的なパーティションインデックス。」 Arxiv Preprint arxiv：2308.15014（2023）。
• Zhu、Yuhao。 「RTNN：ハードウェアレイトレースを使用して、近隣検索を加速します。」並列プログラミングの原則と実践に関する第27回ACM Sigplanシンポジウムの議事録。 2022。[コード]
• Levi、Asaf、et al。 「{Idea}を使用した物理対論理インデックス：反転{deduplication-aware}インデックス。」ファイルおよびストレージテクノロジーに関する第22回USENIX会議（高速24）。 2024。[コード]
• カラ、ダミアーノ、ジョバンニ・ネジリア。 「1つのK-nnキャッシュで2羽の鳥を服用します。」 2021 IEEE Global Communications Conference（Globecom）。 IEEE、2021。
• Salem、Tareq SI、Giovanni Neglia、Damiano Carra。 「近似インデックスによる上昇の類似性キャッシュ。」ネットワーキングに関するIEEE/ACMトランザクション（2022）。
• Li、Conglong、et al。 「学習した適応早期終了を通じて、おおよその最近傍検索を改善します。」データ管理に関する2020 ACM SIGMOD国際会議の議事録。 2020。
• Karppa、Matti、MartinAumüller、およびRasmus Pagh。 「Deann：近隣の近隣検索を使用したカーネル密度の推定をスピードアップします。」人工知能と統計に関する国際会議。 PMLR、2022。
• Wang、Zeyu、et al。 「おおよその最近隣接するための距離比較演算子：探索とベンチマーク。」 Arxiv Preprint arxiv：2403.13491（2024）。
• Szilvasy、Gergely、Pierre-EmmanuelMazaré、Matthijs Douze。 「小さな半径でのベクトル検索。」 arxiv preprint arxiv：2403.10746（2024）。
• ハン、チャングン、スジ・キム、ハミョン公園。 「マルチレベルのブロックインデックスを使用した時間蓄積の高次元データにおける効率的な近接検索」 （2024）。
• Tepper、Mariano、他「Leanvec：ベクトルをフィットさせることで、ベクターをより速く検索します。」 Arxiv Preprint arxiv：2312.16335（2023）。
• ハーウッド、ベン、他「動的データセットでの近隣の近隣検索：調査。」 Arxiv Preprint Arxiv：2404.19284（2024）。
• 10億個のベクトル検索におけるパフォーマンスとインデックスサイズのジレンマを特徴づけ、2段階のメモリでそれを破壊する
• xu、ハイキ。人気の近い近隣検索実装の最悪のパフォーマンス：保証と制限。 diss。マサチューセッツ工科大学、2024年。
• リン、ジミー。 「密集したまばらなレトリバーに対する運用上のアドバイス：HNSW、フラット、または反転インデックス？」 Arxiv Preprint Arxiv：2409.06464（2024）。
• Zhou、Mingxun、Elaine Shi、およびGiulia Fanti。 「Pacmann：効率的なプライベート近隣の近隣検索。」 Cryptology Eprint Archive（2024）。

？評価とメトリック

• どのBM25とはどういう意味ですか？スコアリングバリアントの大規模な再現性調査。 Kamphuis、Chris、Arjen P. De Vries、Leonid Boytsov、およびJimmy Lin [Paper]

？記事と講演

• ベクトルデータベースとは何ですか？
• ベクトルデータベース（パート1）：それぞれが異なるものは何ですか？
• eBayのぼんやりと数十億個のベクトル類似性エンジン
• コンピュータービジョンミートアップ：ベクターデータベースを使用した大規模なコンピュータービジョンアプリケーション
• 2023年にベクトルデータベースを選択する方法は？
• 特殊なベクトルデータベースが本当に必要ですか？
• Vectorデータベースは、個別のデータベースカテゴリではありません
• ベクトルデータベース：第一原理アプローチ
• ベクトル検索ラグチュートリアル - データとLLMSと高度な検索を組み合わせる
• Nvidia Merlinを使用したMilvusを使用した推奨ワークフローでの効率的なベクターの類似性検索
• ベクトルデータベース：初心者向けガイド！
• ベクトルデータベースとスプリングIA
• RAGアプリケーションで100万のベクトル埋め込みを処理する方法
• Meilisearchが1分以内に何百万ものベクトル埋め込みデータベースを更新する方法
• ベクトルデータベースを使用するときに回避する一般的な落とし穴
• Vectorデータベースを開始します
• セマンティック検索に最適なモデルを選択します

関連リスト

• 素晴らしいベクター検索エンジン