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
数据准备与分块处理
这部分内容有帮助吗？
- Speech and Language Processing (3rd edition draft), Daniel Jurafsky and James H. Martin, 2025 - 自然语言处理基础的综合资源，涵盖文本规范化、分词和语言预处理技术，与数据清洗相关。
- Text splitters, LangChain, 2024 - 官方文档，详细介绍了各种文本分块策略及其实现，包括固定大小、递归和重叠方法，提供实用指导。
- Retrieval-Augmented Generation for Large Language Models: A Survey, Yunfan Gao, Yun Xiong, Xinyu Gao, Kangxiang Jia, Jinliu Pan, Yuxi Bi, Yi Dai, Jiawei Sun, Meng Wang, Haofen Wang, 2024 arXiv preprint arXiv:2312.10997 DOI: 10.48550/arXiv.2312.10997 - 一项关于检索增强生成（RAG）的调查，讨论了数据准备和分块对于基于大型语言模型的系统中有效检索的重要性。