趋近智
向量数据库与语义搜索实现
章节 1: 向量嵌入与向量空间
从数据到向量：回顾
嵌入模型概述
理解向量维度
降维技术概述
测量向量空间中的相似度
动手实践：生成与比较嵌入
章节 2: 向量数据库介绍
什么是向量数据库？
核心架构组成部分
数据模型与数据结构定义
向量操作：CRUD
元数据过滤
扩展考量
实践操作：向量数据库基本交互
章节 3: 近似最近邻 (ANN) 搜索
近似的需求
ANN 的核心思想
算法概览：HNSW
算法概述：IVF
算法概述：LSH
索引参数与调优
评估 ANN 性能
动手实践：调整索引参数的试验
章节 4: 构建语义搜索系统
语义搜索与关键词搜索再比较
语义搜索流程的架构
数据准备与分块处理
查询处理与向量化
结果排序与再排序
实现混合搜索
评估语义搜索相关性
动手实践：设计搜索查询流程
章节 5: 向量数据库的应用实践
选择向量数据库平台
使用 Pinecone 客户端
使用 Weaviate 客户端
使用 Milvus 客户端
使用 ChromaDB 客户端
高效索引大型数据集
监控与维护
动手实践：构建小型语义搜索应用
核心架构组成部分
这部分内容有帮助吗？
- Milvus: A Purpose-Built Vector Database for Scalable Similarity Search, Xin Wang, Jun Yao, Xiangyu Wang, Xiaodong Li, Sheng Wang, Bo Li, Jingjing Xu, Chunyu Zhang, Bo Yang, Fan Wu, Guozheng Li, and Xiangdong Meng, 2021 Proceedings of the VLDB Endowment, Vol. 14 (VLDB Endowment) DOI: 10.14778/3476311.3476344 - 介绍了Milvus这一知名向量数据库的架构，详细阐述了其存储、索引和查询处理组件。
- A Comprehensive Survey on Approximate Nearest Neighbor Search Algorithms, Jinru Cao, Haicheng Chen, Yong Wang, Jinlong Lin, and Jingyu Yang, 2022 Electronics, Vol. 11 (MDPI) DOI: 10.3390/electronics11071039 - 全面概述了各种近似最近邻（ANN）搜索算法的原理和应用，对理解向量数据库的索引机制非常重要。
- Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze, 2008 (Cambridge University Press) - 一本基础教科书，涵盖了向量空间模型、余弦相似度和欧几里得距离等相似性度量，以及与向量搜索相关的信息检索概念。