vector search
1.0.0
向量搜索引擎为开发人员提供了围绕某些算法（IE KNN）构建的向量store能力，并提供了compute类似向量（例如余弦距离）的发动机来确定哪些向量相关的矢量。
该存储库提供了包括教程，指南，最佳实践和扩展学习的矢量搜索景观的全面概述。请查看教育部分以了解更多信息。
您可以在应用程序搜索体系结构中使用矢量搜索引擎：
？？基础- 了解基于向量的信息检索的核心概念。
？用例- 了解使用矢量搜索在哪里有意义。
？体系结构- 有关如何在体系结构中使用向量搜索的指南。
| ＃ | 标签 | 描述 |
|---|---|---|
| 1 | 关键字与矢量搜索 | 标准（TF-IDF）文本搜索和向量搜索以及何时使用的差异。 |
| 2 | 稀疏矢量教程 | 构建自己的稀疏矢量提取引擎的演练。 |
| 3 | 密集矢量教程 | 构建自己密集的矢量提取引擎的演练。 |
| 4 | Atlas矢量搜索引擎 | 指南展示MongoDB Atlas的矢量搜索实现。 |
| 5 | 向量搜索比较 | 比较最受欢迎的矢量搜索引擎。 |
| ＃ | 标签 | 描述 |
|---|---|---|
| 1 | 句子相似性 | 确定与文本的相似之处。 |
| 2 | 令牌分类 | 将文本分类为预定义的类别。 |
| 3 | 问和回答 | 自动回答问题的建筑系统。 |
| 4 | 个性化 | 使用客户端数据个性化查询结果。 |
| 5 | 自动同义词创建 | 自动富集同义词收集。 |
| 6 | 摘要 | 将语料库重建成更少的单词。 |
| 7 | 会话 | 对话响应生成。 |
| 8 | 文件搜索 | 通过多种方式搜索文件的内容 |
一键单击的模型部署，永远不会离开您的AWS帐户
| ＃ | 来源 | 描述 |
|---|---|---|
| 1 | 参考体系结构 | 在生产中部署矢量搜索体系结构的常见最佳实践。 |
| 2 | 模型托管 | 有关如何托管矢量模型的建议。 |
| 3 | 模型版本 | 随着模型的发展，可以对模型进行版本的最佳实践。 |
| 4 | 反馈循环 | 查询重新排名，学习级别等。 |
| 5 | 选择型号 | 哪种模型最支持您的特定领域任务？ |
尽管一个充满挑战的话题要掌握，但您可以使用无数的教育资源。
总体教育领域。
将人类内容（文本，图像等）转换为向量表示的领域的最新突破。变形金刚是一种使用“自我注意事项”的深度学习模型，并且差异化了输入数据的每个部分的意义。
为了确定认为是什么相关的是什么，计算机需要测量点之间的距离，在这种情况下为向量。
没有几个关键人物，这个存储库是不可能的：
这是一个活生生的存储库，随着我学习和景观的变化，它将发展。请通过以下方式订阅更改：
