Beschreibung
Die Neo4j Vektorensuche ist ein leistungsstarkes Tool, das entwickelt wurde, um effiziente und robuste Annäherungen an die Suche nach nächsten Nachbarn mithilfe von Vektorindizes zu ermöglichen. Es implementiert den Hierarchical Navigatable Small World (HNSW) Algorithmus, um Schichten von k-nächsten Nachbarn zu erstellen, was besonders nützlich ist, um mit Einbettungen zu arbeiten, die von maschinellen Lernmodellen generiert werden. Diese Funktionalität ermöglicht es den Nutzern, ähnliche Knoten in einem Graphen basierend auf ihren Einbettungen zu finden, was es zu einer unschätzbaren Ressource für Anwendungen macht, die Ähnlichkeitssuchen erfordern.
Weiterlesen
Das Tool unterstützt die Erstellung eines Vektorindex mit einer bestimmten Anzahl von Dimensionen und Ähnlichkeitsfunktionen, wie z.B. euklidisch und kosinus, sowohl für Knoten als auch für Beziehungen. Nutzer können einen Vektorindex mit einer Einbettung und einem Top-k-Wert abfragen, was Knoten zusammen mit ihren Ähnlichkeitsscores zurückgibt. Die Neo4j Vektorensuche umfasst auch Funktionen und Verfahren im GenAI-Plugin zur Berechnung von Texteinbettungen mit Anbietern wie OpenAI, Azure OpenAI, Google Vertex AI und Amazon Bedrock.
Für aktuelle Neo4j-Versionen wird empfohlen, Cypher 25 mit der SEARCH-Klausel für die Vektorensuche sowie ai.text.embed() und ai.text.embedBatch() zur Generierung von Einbettungen zu verwenden. Dies stellt sicher, dass nur Einbettungen der erwarteten Größe indiziert werden, wodurch verhindert wird, dass Abfragen mit nicht übereinstimmenden Dimensionen fehlschlagen.
Hybride Suchfunktionen sind ebenfalls verfügbar, die rangierte Ergebnisse aus mehreren Abrufsignalen in eine einzige Ergebnisliste kombinieren. Dies ist besonders nützlich für Suchen, die sowohl Vektorähnlichkeit als auch exakte Begriffssuche erfordern, wie z.B. Namen, Akronyme oder Identifikatoren.
Die Neo4j Vektorensuche eignet sich für Entwickler und Datenwissenschaftler, die Graphdatenbanken für KI-gestützte Anwendungen nutzen möchten. Sie bietet umfassende Dokumentation und Community-Support, was sie sowohl für neue als auch für erfahrene Nutzer zugänglich macht. Das Tool ist Teil des breiteren Ökosystems von Neo4j, das verschiedene Lösungen für Graphdatenbanken und KI-Integrationen umfasst.
- KategorieVektordatenbanken & Retrieval
- PreismodellFreemium
- BereitstellungSelbst gehostet, Cloud
- PlattformenCloud
Neo4j Vektorensuche's Kernfunktionen
HNSW-Algorithmus für k-nächste Nachbarn
Unterstützt Einbettungen aus maschinellen Lernmodellen
Erstellung von Vektorindizes mit angegebenen Dimensionen
Ähnlichkeitsfunktionen: Euklidisch und Kosinus
Integration mit OpenAI, Azure, Google, Amazon
Hybride Suche, die mehrere Abrufsignale kombiniert
Cypher 25 Unterstützung für Vektorensuche
GenAI-Plugin für Texteinbettungen
Wie verwendet man Neo4j Vektorensuche?
Konfigurieren: Vektorindexdimensionen und Ähnlichkeitsfunktionen einrichten
Verwenden: Vektorindex mit Einbettungen abfragen
Integrieren: GenAI-Plugin für Texteinbettungen verwenden
Optimieren: Hybride Suche für umfassende Ergebnisse kombinieren
Neo4j Vektorensuche's Anwendungsfälle
- Graphähnlichkeitssuche
- KI-gestützte Anwendungen
- Hybride Suche
- Integration von maschinellem Lernen
- Datenwissenschaftsprojekte
