Cuardach veicteora (cuardach le brí)
Sainmhíniú tapa
Is modh aisghabhála é cuardach veicteora a fhilleann na nithe a bhfuil a n-embeddings is gaire do embedding na ceiste, mar sin comhoiriúnnaíonn torthaí de réir brí seachas de réir eochairfhocail roinnte. Is é an t-inneall gnáth de chuardach le brí é.
Ar an leathanach seo
Conas a oibríonn cuardach veicteora
Iompaítear gach doiciméad, sliocht nó táirge ina embedding agus stóráiltear é in innéacs. Ag am an cheistiúcháin, déantar embedding den cheist leis an múnla céanna, agus tugann an t-innéacs ar ais na veicteoirí is gaire, arna dtomhas de ghnáth le cosine similarity. Is féidir le custaiméir a iarrann “rud éigin te don sciáil” seaicéad a aimsiú a bhfuil cur síos air mar “blaosc gheimhridh inslithe uiscedhíonach” cé nach bhfuil aon fhocal i bpáirt acu.
Bheadh sé mall ceist a chur i gcomparáid le milliúin veicteoirí ceann ar cheann, mar sin úsáideann innéacsanna algartaim chomharsan is gaire neasacha. Tá HNSW, graf sraitheach a ndearna Malkov agus Yashunin cur síos air in 2016, ar cheann de na cinn is mó a úsáidtear; glacann sé le caillteanas beag bídeach cruinnis ar mhaithe le cuardach an-tapa. Tugann síntí foinse oscailte ar nós pgvector na hinnéacsanna seo chuig PostgreSQL.
Cuardach le brí vs cuardach eochairfhocail
Is beacht ar théarmaí beacht é cuardach eochairfhocail (BM25, téacs iomlán, comhoiriúnacht trigram): tagairt táirge, branda, cód earráide. Titeann sé ar shíniú agus paraphrasing. Is é cuardach veicteora an freagra: láidir ar bhrí, laige ar shnáitheanna beacht agus aitheantóirí aisteach.
Sin é an fáth go n-úsáideann an chuid is mó de na córais táirgthe cuardach hibrideach: reáchtáil an dá, ansin comhoiriúnnaigh nó ath-rangáil na torthaí. Léirigh taighde ar aisghabháil dhense cosúil le hoibreacha Karpukhin agus a gcomhoibrithe i 2020 ar fhreagairt ceiste conas a fheabhsaíonn aisghabháil le brí an cuimhne, agus tá cleachtóirí tar éis foghlaim conas is féidir le comhpháirtí eochairfhocail fós tairbhe a bhaint as.
Tuairimí
Tugann cuardach veicteora i gcónaí rud éigin ar ais, fiú nuair nach bhfuil aon rud ábhartha ann, mar sin teastaíonn leibhéal ábharthachta nó seiceáil roimh úsáid na dtorthaí. Ní thuigeann sé uimhreacha ná srianta: “faoin 50 euro, ar fáil, méid M” teastaíonn scagairí fíor ar shonraí struchtúrtha. Agus braitheann cáilíocht ar conas a roinneadh an t-ábhar: bíonn brón ar chiall na n-aistritheanna atá ró-fhada, bíonn brón ar chúlra na n-aistritheanna atá ró-ghearr.
Cuardach veicteora i AI SmartTalk
Sábhálann AI SmartTalk embeddí i PostgreSQL le pgvector, le hiontráil HNSW ar doiciméid táirgí, agus comhoibríonn sé le comhoiriúnacht veicteora le cuardach trigram agus cuardach téacs iomlán. Maidir le táirgí, cuireann uirlis chuardaigh an chabhair scagairí struchtúrtha ar phraghas, stoc, branda, catagóir agus tréithe éagsúlachta, ionas gur féidir freagairt a thabhairt ar cheist shémantach agus srianta beacht le chéile.
Ceisteanna a chuirtear go minic
An bhfuil cuardach sémantach mar an gcéanna le cuardach veicteora?
Is é cuardach sémantach an sprioc — torthaí a fháil trí chiall. Is é cuardach veicteora thar embeddí an modh is coitianta chun é a bhaint amach, go minic i gcomhcheangal le cuardach eochairfhocail.
An bhfuil gá agam le bunachar sonraí veicteora tiomnaithe?
Ní gá go hiomlán. Cuireann síneadh mar pgvector le hiontrálacha veicteora i PostgreSQL, atá go leor do go leor feidhmchlár agus coimeádann veicteora in aice leis an gcuid eile de na sonraí.
Cad é cuardach hibrideach?
Cuardach a reáchtálann cuardach veicteora agus cuardach eochairfhocail le chéile agus a chomhcheanglaíonn na torthaí, ionas go gcuirtear ceisteanna paraphrased agus téarmaí beacht cosúil le tagairtí táirgí i gcuimhne.