Deskripsi
Pencarian Vektor MongoDB adalah fitur kuat dari MongoDB Atlas yang memungkinkan pengguna untuk menyimpan dan mencari vektor bersama data operasional mereka. Vektor adalah representasi matematis dari data, yang diekspresikan sebagai array angka yang menangkap fitur atau properti tertentu. Dalam konteks pembelajaran mesin dan kecerdasan buatan, embedding vektor digunakan untuk mengkodekan data kompleks seperti teks, gambar, atau audio ke dalam format yang dapat diproses oleh komputer. Kemampuan ini sangat penting untuk aplikasi seperti pencarian semantik, sistem rekomendasi, dan AI generatif.
Baca Selengkapnya
Salah satu keuntungan utama dari Pencarian Vektor MongoDB adalah kemampuannya untuk melakukan pencarian berdasarkan makna semantik yang ditangkap dalam vektor, dibandingkan dengan pencarian kata kunci tradisional. Ini memungkinkan hasil pencarian yang lebih akurat dan sadar konteks, meningkatkan pengalaman pengguna. MongoDB berfungsi sebagai basis data vektor, memungkinkan pengguna untuk mengelola data operasional, metadata, dan embedding vektor semuanya dalam satu tempat, menghilangkan kebutuhan akan basis data terpisah dan sinkronisasi.
Pencarian Vektor MongoDB mendukung berbagai algoritma untuk menemukan vektor yang mirip, termasuk K-Nearest Neighbor (KNN), Approximate Nearest Neighbor (ANN), dan Exact Nearest Neighbor (ENN). Algoritma ini dirancang untuk menyeimbangkan akurasi dan kinerja, memudahkan penanganan kasus penggunaan vektor yang kompleks dan berdimensi tinggi. Selain itu, platform ini mendukung embedding dari penyedia mana pun di bawah batas 4096 dimensi, memungkinkan fleksibilitas dalam pengambilan dan kueri data.
Integrasi kemampuan reranking asli meningkatkan akurasi pengambilan dengan memastikan bahwa hanya data yang paling relevan yang disampaikan kepada model bahasa besar (LLM), mengoptimalkan pengeluaran token dan meningkatkan kinerja secara keseluruhan. Selain itu, kemampuan pencarian hibrida MongoDB menggabungkan pencarian leksikal dan vektor dalam satu kueri, memberikan pengguna yang terbaik dari kedua dunia.
Pencarian Vektor MongoDB cocok untuk berbagai aplikasi, termasuk pencarian semantik, generasi yang ditingkatkan pengambilan (RAG), dan pengembangan sistem agen. Dengan fitur dan kemampuan yang kuat, Pencarian Vektor MongoDB memberdayakan organisasi untuk membangun aplikasi cerdas yang memanfaatkan kekuatan data vektor.
- KategoriBasis Data Vektor & Pengambilan
- Model HargaFreemium
- PenerapanCloud
- PlatformAWS, Azure, GCP
Fitur Inti Pencarian Vektor MongoDB
Basis data multi-cloud yang sepenuhnya dikelola
Pencarian Approximate Nearest Neighbor (ANN)
Pencarian Exact Nearest Neighbor (ENN)
Kemampuan pencarian hibrida
Integrasi reranking asli
Generasi embedding otomatis
Skalabilitas independen dengan Search Nodes
Efisiensi biaya melalui kuantisasi vektor
Cara menggunakan Pencarian Vektor MongoDB?
Buat embedding vektor menggunakan model sumber terbuka atau biarkan MongoDB menghasilkan secara otomatis.
Tentukan indeks pencarian vektor untuk embedding yang ingin Anda kueri.
Gunakan tahap $vectorSearch dalam pipeline agregasi untuk kueri.
Gabungkan kueri vektor dengan filter metadata untuk hasil pencarian yang lebih baik.
Kasus Penggunaan Pencarian Vektor MongoDB
- Pencarian Semantik
- Generasi yang Ditingkatkan Pengambilan
- Sistem Agen
- Sistem Rekomendasi
- Deteksi Anomali
