vector database food similarity

推奨のためのベクトルデータベース

オープンな食品事実に基づいて、Chroma Vectorデータベースを使用した食品の類似性の推奨事項。

それがどのように機能するか

1。データマイニングと準備（data-mining.js）

Open Food Facts APIを使用して約10,000個の製品が取得されていますが、一部の製品には情報がないため、処理後に約4,300個の製品があります。各製品には、一意の識別子、名前、画像URL、および成分の割合があります。 1,500を超えるインデックス付きベクトルがあり、各ベクトルは総食品（砂糖、油、水など）の成分の割合を表しています。
データセットの生成を開始するには、次のコマンドを実行します。

npm run data-mining

2。ベクトルデータベースでの移行（migration.js）

移行は、製品データセット（ products.json ）をローカルクロマデータベースにエクスポートします。
移行を開始するには、実行してください。

npm run migration

3.データベース（query.js）をクエリします

ベクトルデータベースにクエリを実行するには、製品データからベクトルを生成する必要があります。
まず、Open Food Facts製品APIを呼び出します。次に、埋め込み用のベクトル（ likeliest_recipes.json ）を生成し、それらを使用してデータベースにリクエストを行います。
デフォルトでは、クロマデータベースでクエリが実行されると、同様の製品がSquared L2 NormベクトルNORMを使用して決定されます。

その他のベクトル基準は、 Inner productやCosine similarity 、ChromaとHnswlibの詳細など、その他のベクトル規範も利用できます。

インストール

1. NPMを使用して必要なパッケージをインストールします

   npm ci

2. DockerコンテナでChromaデータベースを実行するには、ポート8080で公開します

   docker run -p 8000:8000 chromadb/chroma:0.4.21

3. 一意の製品コードを使用してデータベースをクエリし、コンソールで最も近い3つの一致を表示します。
   一意の製品コードは、Open Food Facts URLにあります（ 3017620429484 ：https：//world.openfoodfacts.org/product/3017620429484/nutella-hazelnut-spread-ferrero）

   node ./query.js product=3017620429484

データセット

すべてのデータセットは、Open Food Facts APIを使用して抽出されています。 Open Food Factsプロジェクトに寄付してください

• likeliest_recipes.json-すべてのインデックス付きベクトルのリスト。
• Products.json-対応するベクトルを含むすべての製品のリスト。

ライセンス

このプロジェクトは、GNU AGPL V3ライセンスでライセンスされています。
詳細については、ライセンスを参照してください。