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
ANN 的核心思想
这部分内容有帮助吗？
- Approximate Nearest Neighbor Search in High Dimensions, Alexandr Andoni, Piotr Indyk, Thijs Laarhoven, Ilya Razenshteyn, Ludwig Schmidt, 2018 Algorithms and Data Structures. WADS 2017. Lecture Notes in Computer Science, vol 10999, Vol. 10999 (Springer) DOI: 10.1007/978-3-319-94770-9_3 - 对近似最近邻搜索的更新综合调查，详细说明了其动机、挑战和各种算法方法。
- Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, 2020 (Cambridge University Press) - 第三章介绍了高效查找相似项的问题，激发了高维数据的近似方法。
- Benchmarking Approximate Nearest Neighbor Search Algorithms for High-Dimensional Vectors, Bernhard Aumüller, Erik Heinlein, Alexander Reiser, Thomas Seidl, 2017 Proceedings of the VLDB Endowment, Vol. 10 (VLDB Endowment) DOI: 10.14778/3137628.3137637 - 讨论了评估和比较ANN算法的基本指标，如召回率、延迟和每秒查询数（QPS），这与理解准确性-速度权衡直接相关。