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
索引参数与调优
这部分内容有帮助吗？
- Faiss: A Library for Efficient Similarity Search, Jeff Johnson, Matthijs Douze, Hervé Jégou, 2017 arXiv preprint arXiv:1702.08734 DOI: 10.48550/arXiv.1702.08734 - 介绍了Faiss，一个用于高效相似性搜索的库，其中包括IVF的实现。这项工作提供了调整IVF参数和管理召回率-延迟权衡的见解。
- Vector Databases: A Guide to Building High-Performance Applications with Vector Embeddings, Lucas Conrad, Laurent B. Conneau, 2024 (O'Reilly Media) - 一本关于向量数据库概念的实用指南，包含ANN算法、其参数以及针对各种应用进行调整的实践部分。
- Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, and Jeffrey D. Ullman, 2020 (Cambridge University Press) - 这本教材的第3章清晰地阐释了局部敏感哈希（LSH），包括其核心概念以及参数如何影响相似性搜索结果。