HyperVectorDB

hypervectordb

HyperVectordBは、さまざまな距離/類似性測定をサポートするC＃に組み込まれたローカルベクトルデータベースです。ベクトルと関連ドキュメントを保存し、高性能ベクトルクエリを実行するように設計されています。このプロジェクトは、コサインの類似性、ジャッカーの非類似性、およびユークリッド、マンハッタン、チェビシェフ、キャンベラ距離をサポートしています。同じことをするためのPythonライブラリを探している場合は、John Dagdelen https://github.com/jdagdelen/hyperdbをご覧ください

インストール

 dotnet add package HyperVectorDB

機能（更新される）

• クエリ/応答キャッシュ：現在、COSINEの類似性クエリに対してのみサポートされています。この機能により、データベースは特定のベクトルのクエリの結果をキャッシュできます。そのため、次に同じベクトルがクエリされると、結果がすぐに返されます。この機能は、同じベクトルで頻繁にクエリを必要とするアプリケーションに役立ちます。
• キャッシュ無効化：CACHEの無効化は、COSINEの類似性クエリに対してサポートされています。新しいベクトルがデータベースに追加されたとき、またはデータベースからベクトルが削除されたときに、キャッシュが無効になります。
• クエリ関数：データベースは、類似性と距離測定のためのいくつかのタイプのクエリをサポートしています。
  • コサインの類似性：この関数は、データベースでコサインの類似性クエリを実行します。
  • Jaccard Disimilarity ：この関数は、データベースでJaccard Disimilarityクエリを実行します。
  • ユークリッド距離：この関数は、データベースでユークリッド距離クエリを実行します。
  • マンハッタンの距離：この関数は、データベースでマンハッタンの距離クエリを実行します。
  • Chebyshevの距離：この関数は、データベースでChebyshev距離クエリを実行します。
  • キャンベラ距離：この関数は、データベースでキャンベラ距離クエリを実行します。
• 自動並列化：構成された場合、データベースは複数のファイルとメモリ領域に自動的に分割され、クエリでのASYNC IOとマルチスレッドを最大限に活用します。
• データ圧縮：ディスクに保存すると、データベースはLZ4圧縮を使用します

各クエリ関数は、トップkドキュメントと、それに対応する類似性または距離値を返します。 kの値は設定可能で、デフォルトは5になります。

使用法

このプロジェクトは現在、開発段階にあることに注意してください。一部の機能をテストする必要があり、一部のクエリタイプのキャッシュはまだ実装されていません。

すぐに使用する使用の例

貢献

貢献は大歓迎です。プロジェクトをフォークしたり、変更を加えたり、プルリクエストを開いたりしてください。すべての変更を徹底的にテストしてください。

ライセンス

このプロジェクトはオープンソースです。 MITライセンスの下でリリースされました。詳細については、ライセンスファイルをご覧ください。

このプロジェクトのコード（Math.CS）の一部は、GNU以下の一般公開ライセンスv2.1ライセンスの下でリリースされているAcord.mathライブラリに基づいています。 TFIDFは、https://github.com/primaryobjects/tfidfにあるKory Beckerのプロジェクトからのものです

このプロジェクトとその著者について、そしてそれがなぜそうなるようになったのかについて

それは私が人工的な無関心に戻り、C＃を使用してそうしたいと思って始まりました。ベクターデータベースのニーズに合ったものは何も見つかりませんでした。その後、ジョン・ダグデレンはこのベクトルストアをPython https://github.com/jdagdelen/hyperdbにまとめました。その多くのコードなしで投稿された掲載時にはfaily Basicでした。これはやや成功していましたが、必要に応じてうまく機能しなかったため、このプロジェクトは生まれました。