የቫክተር ፍለጋ (የምርምር ፍለጋ)

ማንኛውም ሰነድ፣ ክፍል ወይም ምርት ወደ መተላለፊያ ይለዋዋጣል እና በአንደኛ ማህደር ውስጥ ይቀመጣል። በጥያቄ ጊዜ ጥያቄው በተመሳሳይ ሞዴል ይተላለፋል እና ማህደሩ ቅርብ ያሉ ቫክተሮችን ይመለሳል፣ በተለምዶ በኮሳይን ቅርብነት ይመዝናል። ደንበኛ የተለዋዋጠ ቃላት ሳይሆን የተገለጸ ጃኬትን “ለበረዶ ምንም ነገር ሞቅ” ሲል ማግኘት ይችላል።

ጥያቄን ከሚሊዮን ያህል ቫክተሮች ጋር አንድ በአንድ ማነጻጸር ዝግጅት ይሆናል፣ ስለዚህ ማህደሮች ቅርብ የጎርባጭ ቅርብነት አልጎሪዝሞችን ይጠቀማሉ። HNSW, በ2016 በማልኮቭ እና በያሹኒን የተገለጸ የተደራጀ ግራፍ ከተለመዱት በጣም የተጠቀሱት አንዱ ነው፤ በጣም ፈጣን ፍለጋ ለማግኘት ትንሽ የትክክለኛነት እንደሚያጣ ይለዋዋጣል። እንደ pgvector ያሉ ክፍት ምንጭ ማሻሻያዎች እነዚህን ማህደሮች ወደ PostgreSQL ያመጣሉ።

የቁልፍ ቃላት ፍለጋ (BM25, ሙሉ ጽሑፍ, ትሪግራም መስማማት) በትክክል ቃላት ላይ ትክክለኛ ነው፡ የምርት ማስጠንቀቂያ, የምርት ምልክት, የስህተት ኮድ። በተመሳሳሊ ቃላት እና በተለዋዋጭ አንቀጽ ይወድቃል። የቫክተር ፍለጋ የተቃራኒው ነው፡ በማለት ጠንካራ ነው፣ በትክክለኛ ሐረግ እና በራስ ማስታወሻዎች ደካማ ነው።

ይህ ምክንያት ነው አብዛኛው የምርት ስርዓት የተዋሃዱ ፍለጋ ይጠቀማል፡ ሁለቱንም አስነስ ከዚያም ውጤቶችን ያሰማራል ወይም ይመደብ። እንደ Karpukhin እና ባልደረቦቹ በ2020 የተነበረ የጥያቄ መልስ ምርምር የምርምር መመልሻ እንዴት እንደሚያሻሽል አሳየ፣ እና ተግባራዊ ሰዎች ከዚያ በኋላ ከቁልፍ ቃላት ባለ አንድ ጓደኛ እንደሚጠቅም ተማሩ።

የቬክተር ፍለጋ ምንም ያልተገኘ ቢሆንም አንድ ነገር ይመለስ ስለዚህ አንድ ስርዓት የተገናኝ ወይም የተመለከተ መጠን ወይም ምርመራ መድረስ ይኖርበታል። ቁጥር ወይም አዋጁን አልተረዳም፡ “50 ዩሮ በታች፣ በእቃ ውስጥ፣ መጠን M” በዝርዝር ውሂብ ላይ የእውነተኛ ፍተሻዎች ይፈልጋሉ። እና ጥራት የይዘቱ ማስተካከል ላይ ይመሠረታል፡ በጣም ረዘም የሆኑ ገጽታዎች የማህበረሰብ ትርጉም ይሰርዝ፣ በጣም 짧은 የሆኑ ገጽታዎች የአይነት ይወዳድሩ።

AI SmartTalk በPostgreSQL ውስጥ የተያያዘ እና pgvector ጋር የሚያካትት የምርት ሰነዶች ላይ HNSW መለያ እና የቬክተር ስምምነትን ከትርጉም እና ከሙሉ ጽሁፍ ፍለጋ ጋር ይያያይዞ ይሰራል። ለምርቶች የአስተዳደር ፍለጋ መሣሪያ በዋጋ፣ በእቃ ውስጥ፣ በእቃ ምርት፣ በምድብ እና በተለያዩ ባለሙያ ባለነገር የተወሰኑ ፍተሻዎችን ይጨምራል፣ ስለዚህ የሰማንታዊ ጥያቄ እና የተመለከተ መጠን በአንድ ጊዜ ይመልሳሉ።