HyperVectorDB

hypervectordb

HyperVectORDB는 다양한 거리/유사성 측정을 지원하는 C#에 내장 된 로컬 벡터 데이터베이스입니다. 벡터 및 관련 문서를 저장하고 고성능 벡터 쿼리를 수행하도록 설계되었습니다. 이 프로젝트는 코사인 유사성, Jaccard 비 유사성, 유클리드, 맨해튼, Chebyshev 및 캔버라 거리를 지원합니다. 똑같은 일을 할 파이썬 라이브러리를 찾고 있다면 John Dagdelen https://github.com/jdagdelen/hyperdb를 확인하십시오.

설치

 dotnet add package HyperVectorDB

기능 (업데이트)

• 쿼리/응답 캐싱 : 현재 코사인 유사성 쿼리에만 지원됩니다. 이 기능을 사용하면 데이터베이스가 주어진 벡터의 쿼리 결과를 캐시 할 수 있으므로 다음에 동일한 벡터가 쿼리되면 결과가 즉시 반환됩니다. 이 기능은 동일한 벡터에서 자주 쿼리가 필요한 응용 프로그램에 유용합니다.
• 캐시 무효화 : 캐시 무효화는 코사인 유사성 쿼리를 위해 지원됩니다. 새 벡터가 데이터베이스에 추가되거나 벡터가 데이터베이스에서 제거 될 때 캐시가 무효화됩니다.
• 쿼리 기능 : 데이터베이스는 유사성 및 거리 측정에 대한 여러 유형의 쿼리를 지원합니다.
  • 코사인 유사성 :이 기능은 데이터베이스에서 코사인 유사성 쿼리를 수행합니다.
  • JACCARD DOSTIMORITY :이 기능은 데이터베이스에서 Jaccard Distimilarity Query를 수행합니다.
  • 유클리드 거리 :이 기능은 데이터베이스에서 유클리드 거리 쿼리를 수행합니다.
  • 맨해튼 거리 :이 기능은 데이터베이스에서 맨해튼 거리 쿼리를 수행합니다.
  • Chebyshev 거리 :이 기능은 데이터베이스에서 Chebyshev 거리 쿼리를 수행합니다.
  • 캔버라 거리 :이 기능은 데이터베이스에서 캔버라 거리 쿼리를 수행합니다.
• 자동 병렬화 : 구성되면 데이터베이스가 여러 파일 및 메모리 영역에 자동으로 분할되어 쿼리의 스토어 및 멀티 스레딩을 최대한 활용합니다.
• 데이터 압축 : 디스크에 저장되면 데이터베이스는 LZ4 압축을 사용합니다.

각 쿼리 함수는 상단 k 문서와 해당 유사성 또는 거리 값을 반환합니다. k 의 값은 구성 가능하며 기본값은 5로 5입니다.

용법

이 프로젝트는 현재 개발 단계에 있습니다. 일부 기능은 여전히 ​​테스트해야하며 일부 쿼리 유형에 대한 캐싱은 아직 구현되지 않았습니다.

예제 사용법이 곧

기여

기부금을 환영합니다. 프로젝트를 자유롭게 포크하고, 변경하고, 풀 요청을 열십시오. 모든 변경 사항을 철저히 테스트하십시오.

특허

이 프로젝트는 오픈 소스입니다. MIT 라이센스에 따라 릴리스. 자세한 내용은 라이센스 파일을 참조하십시오.

이 프로젝트 (Math.CS)의 일부 코드는 GNU Lesser General Public License v2.1 라이센스에 따라 릴리스 된 Acord.Math 라이브러리를 기반으로합니다. TFIDF는 https://github.com/primaryobjects/tfidf에 위치한 Kory Becker의 프로젝트입니다

이 프로젝트와 저자에 대해

그것은 인공적인 인텔리전스로 돌아가서 C#을 사용하여 그렇게하기를 원했습니다. 벡터 데이터베이스에 대한 요구에 맞는 것을 찾을 수 없었습니다. 그런 다음 John Dagdelen 은이 벡터 매장을 Python https://github.com/jdagdelen/hyperdb에 모았습니다. 그 당시에는 많은 코드 라인없이 게시 된 당시 기본적으로 기본적으로 실패했습니다. 이것은 다소 성공적 이었지만 필요에 따라 효과가 없었기 때문에이 프로젝트가 탄생했습니다.