Descripción
La Búsqueda Vectorial de Neo4j es una herramienta poderosa diseñada para facilitar búsquedas eficientes y robustas de vecinos más cercanos aproximados utilizando índices vectoriales. Implementa el algoritmo Hierarchical Navigatable Small World (HNSW) para crear capas de k-vecinos más cercanos, lo que es particularmente útil para trabajar con embeddings generados por modelos de aprendizaje automático. Esta funcionalidad permite a los usuarios encontrar nodos similares en un grafo basándose en sus embeddings, convirtiéndola en un recurso invaluable para aplicaciones que requieren búsquedas de similitud.
Leer más
La herramienta soporta la creación de un índice vectorial con un número especificado de dimensiones y funciones de similitud, como Euclidiana y coseno, tanto para nodos como para relaciones. Los usuarios pueden consultar un índice vectorial con un embedding y un valor top-k, que devuelve nodos junto con sus puntuaciones de similitud. La Búsqueda Vectorial de Neo4j también incluye funciones y procedimientos en el plugin GenAI para calcular embeddings de texto con proveedores como OpenAI, Azure OpenAI, Google Vertex AI y Amazon Bedrock.
Para las versiones actuales de Neo4j, el enfoque recomendado es utilizar Cypher 25 con la cláusula SEARCH para la búsqueda vectorial, y ai.text.embed() y ai.text.embedBatch() para generar embeddings. Esto asegura que solo se indexen embeddings del tamaño esperado, evitando que las consultas de dimensiones no coincidentes fallen.
Las capacidades de búsqueda híbrida también están disponibles, combinando resultados clasificados de múltiples señales de recuperación en una sola lista de resultados. Esto es particularmente útil para búsquedas que requieren tanto similitud vectorial como coincidencia exacta de términos, como nombres, acrónimos o identificadores.
La Búsqueda Vectorial de Neo4j es adecuada para desarrolladores y científicos de datos que buscan aprovechar bases de datos de grafos para aplicaciones impulsadas por IA. Ofrece documentación completa y soporte comunitario, lo que la hace accesible tanto para nuevos usuarios como para aquellos con experiencia. La herramienta es parte del ecosistema más amplio de Neo4j, que incluye diversas soluciones de bases de datos de grafos e integraciones de IA.
- CategoríaBases de datos vectoriales y recuperación
- Modelo de preciosFreemium
- ImplementaciónAutoalojado, Nube
- PlataformasNube
Características principales de Búsqueda Vectorial de Neo4j
Algoritmo HNSW para k-vecinos más cercanos
Soporta embeddings de modelos de aprendizaje automático
Creación de índices vectoriales con dimensiones especificadas
Funciones de similitud: Euclidiana y coseno
Integración con OpenAI, Azure, Google, Amazon
Búsqueda híbrida combinando múltiples señales de recuperación
Soporte para Cypher 25 en búsqueda vectorial
Plugin GenAI para embeddings de texto
¿Cómo usar Búsqueda Vectorial de Neo4j?
Configurar: Establecer dimensiones del índice vectorial y funciones de similitud
Usar: Consultar el índice vectorial con embeddings
Integrar: Usar el plugin GenAI para embeddings de texto
Optimizar: Combinar búsqueda híbrida para resultados completos
Casos de uso de Búsqueda Vectorial de Neo4j
- Búsqueda de similitud en grafos
- Aplicaciones impulsadas por IA
- Búsqueda híbrida
- Integración de aprendizaje automático
- Proyectos de ciencia de datos
