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
Téann gach doiciméad, pasáiste nó táirge isteach i membedding agus stóráiltear é i gconradh. Ag am na ceiste, cuireann an cheist embedding leis an múnla céanna, agus filleann an conradh na veicteoirí is gaire, de ghnáth a thomhas le cosine similarity. D'fhéadfadh custaiméir a bhfuil “rud éigin te le haghaidh sciáil” á iarraidh a fháil geansaí atá curtha síos mar “insulated, waterproof winter shell” cé nach bhfuil aon fhocal ag comhoiriúnú.
Bheadh sé mall comparáid a dhéanamh le ceist le milliún veicteoirí ceann ar cheann, mar sin úsáidtear algartaim comhoiriúnachta is gaire. Is é HNSW, graif stráice a chuir Malkov agus Yashunin síos i 2016, ceann de na cinn is coitianta; trádálann sé caillteanas beag ar chruinneas le haghaidh cuardach an-tapa. Tugann síneadh oscailte cosúil le pgvector na conraithe 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.