Description
La recherche vectorielle Neo4j est un outil puissant conçu pour faciliter des recherches efficaces et robustes des voisins les plus proches approximatifs en utilisant des index vectoriels. Il implémente l'algorithme Hierarchical Navigatable Small World (HNSW) pour créer des couches de k-voisins les plus proches, ce qui est particulièrement utile pour travailler avec des embeddings générés par des modèles d'apprentissage automatique. Cette fonctionnalité permet aux utilisateurs de trouver des nœuds similaires dans un graphe en fonction de leurs embeddings, en faisant une ressource inestimable pour les applications nécessitant des recherches de similarité.
Lire la suite
L'outil prend en charge la création d'un index vectoriel avec un nombre spécifié de dimensions et des fonctions de similarité, telles que l'euclidienne et le cosinus, pour les nœuds et les relations. Les utilisateurs peuvent interroger un index vectoriel avec un embedding et une valeur top-k, ce qui renvoie des nœuds accompagnés de leurs scores de similarité. La recherche vectorielle Neo4j comprend également des fonctions et des procédures dans le plugin GenAI pour calculer des embeddings textuels avec des fournisseurs tels qu'OpenAI, Azure OpenAI, Google Vertex AI et Amazon Bedrock.
Pour les versions actuelles de Neo4j, l'approche recommandée est d'utiliser Cypher 25 avec la clause SEARCH pour la recherche vectorielle, et ai.text.embed() et ai.text.embedBatch() pour générer des embeddings. Cela garantit que seuls les embeddings de la taille attendue sont indexés, empêchant les requêtes de dimensions non correspondantes d'échouer.
Des capacités de recherche hybride sont également disponibles, combinant des résultats classés provenant de plusieurs signaux de récupération en une seule liste de résultats. Cela est particulièrement utile pour les recherches nécessitant à la fois une similarité vectorielle et une correspondance exacte des termes, tels que des noms, des acronymes ou des identifiants.
La recherche vectorielle Neo4j convient aux développeurs et aux data scientists cherchant à tirer parti des bases de données graphiques pour des applications alimentées par l'IA. Elle offre une documentation complète et un support communautaire, la rendant accessible tant aux nouveaux utilisateurs qu'aux utilisateurs expérimentés. L'outil fait partie de l'écosystème plus large de Neo4j, qui comprend diverses solutions de bases de données graphiques et des intégrations d'IA.
- CatégorieBases de données vectorielles et récupération
- Modèle tarifaireFreemium
- DéploiementAuto-hébergé, Cloud
- PlateformesCloud
Fonctionnalités principales de Recherche Vectorielle Neo4j
Algorithme HNSW pour les k-voisins les plus proches
Prend en charge les embeddings provenant de modèles d'apprentissage automatique
Création d'index vectoriels avec dimensions spécifiées
Fonctions de similarité : euclidienne et cosinus
Intégration avec OpenAI, Azure, Google, Amazon
Recherche hybride combinant plusieurs signaux de récupération
Support Cypher 25 pour la recherche vectorielle
Plugin GenAI pour les embeddings textuels
Comment utiliser Recherche Vectorielle Neo4j ?
Configurer : Configurer les dimensions de l'index vectoriel et les fonctions de similarité
Utiliser : Interroger l'index vectoriel avec des embeddings
Intégrer : Utiliser le plugin GenAI pour les embeddings textuels
Optimiser : Combiner la recherche hybride pour des résultats complets
Cas d'utilisation de Recherche Vectorielle Neo4j
- Recherche de similarité dans les graphes
- Applications alimentées par l'IA
- Recherche hybride
- Intégration de l'apprentissage automatique
- Projets de science des données
