vector search

벡터 검색

Vector Search Engines는 개발자가 특정 알고리즘 (IENN) 주위에 구성된 벡터를 store 유사한 벡터 (예 : 코사인 거리)를 compute 하여 어떤 벡터가 관련되는지 결정하는 엔진을 저장하는 기능을 제공합니다.

이 저장소는 튜토리얼, 가이드, 모범 사례 및 확장 된 학습을 포함한 벡터 검색 환경에 대한 포괄적 인 개요를 제공합니다. 자세한 내용은 교육 섹션을 검토하십시오.

애플리케이션 검색 아키텍처 내에서 벡터 검색 엔진을 사용하는 방법은 다음과 같습니다.

주제

? ‍? 재단 - 벡터 기반 정보 검색의 핵심 개념을 배우십시오.

? 사용 사례 - 벡터 검색을 사용하는 것이 적합한 위치를 이해하십시오.

? 아키텍처 - 아키텍처에서 벡터 검색을 사용하는 방법에 대한 안내.

기초

틀	상표	설명
1	키워드 대 벡터 검색	표준 (TF-IDF) 텍스트 검색 및 벡터 검색의 차이와 각각을 사용할시기.
2	드문 벡터 튜토리얼	자신만의 희소 벡터 기능 추출 엔진을 구축하는 연습.
3	조밀 한 벡터 튜토리얼	고유 한 고밀도 벡터 기능 추출 엔진을 구축하는 연습.
4	아틀라스 벡터 검색 엔진	MongoDB Atlas의 벡터 검색 구현을 보여주는 안내.
5	벡터 검색 비교	가장 인기있는 벡터 검색 엔진의 비교.

사용 사례

틀	상표	설명
1	문장 유사성	텍스트와 얼마나 유사한 지 결정.
2	토큰 분류	텍스트를 사전 정의 된 범주로 분류합니다.
3	질문과 대답	질문에 자동으로 답변하는 시스템.
4	개인화	클라이언트 데이터를 사용하여 쿼리 결과를 개인화합니다.
5	자동화 된 동의어 생성	동의어 수집을 자동으로 풍부하게합니다.
6	요약	코퍼스를 더 적은 단어로 재구성합니다.
7	이야기 잘하는	대화 응답 생성.
8	파일 검색	여러 양식에서 파일의 내용을 검색하십시오

건축학

AWS 계정을 떠나지 않는 한 클릭 모델 배포

틀	원천	설명
1	참조 아키텍처	생산에 벡터 검색 아키텍처를 배포하기위한 일반적인 모범 사례.
2	모델 호스팅	벡터 모델을 호스팅하는 방법에 대한 제안.
3	모델 버전 작성	모델이 발전함에 따라 버전을 버리는 일반적인 모범 사례.
4	피드백 루프	쿼리 리 레지킹, 학습 등급 등
5	모델 선택	도메인 별 작업을 가장 잘 지원하는 모델은 무엇입니까?

교육

이해하기 어려운 주제이지만, 당신의 처분에는 무수한 교육 자료가 있습니다.

정보 검색

가장 중요한 교육 분야.

• 자연어 처리를위한 신경망 모델에 대한 프라이머
• 언어 및 언어 처리
• 정보 검색 소개

변압기 아키텍처

인간 컨텐츠 (텍스트, 이미지 등)를 벡터 표현으로 변환하는 영역의 최신 혁신. 트랜스포머는 "자체 소수"를 활용하는 딥 러닝 모델이며 입력 데이터의 각 부분의 중요성을 차별적으로 평가합니다.

• PENECONE의 변압기
• 포옹에 의한 변압기
• 관심은 연구 논문이 필요한 전부입니다
• 버트 연구 논문

유사성 검색

관련이있는 것으로 간주되는 것을 결정하기 위해 컴퓨터는 포인트 사이의 거리,이 경우 벡터 사이의 거리를 측정해야합니다.

• Lucene KNN MVP 및 후속 조치
• Google Vector 검색
• HNSW 그래프 연구 논문

고마움

이 저장소는 여러 주요 개인이 없으면 불가능합니다.

• Nick Gogan
• 마커스 이건

변경 사항을 조심하십시오

이것은 살아있는 저장소이며 내가 배우고 풍경이 변할 때 진화합니다. 다음을 통해 변경 사항을 구독하십시오.