설명
Neo4j 벡터 검색은 벡터 인덱스를 사용하여 효율적이고 강력한 근사 최근접 이웃 검색을 용이하게 하기 위해 설계된 강력한 도구입니다. 이 도구는 계층적 탐색 가능한 작은 세계(HNSW) 알고리즘을 구현하여 k-최근접 이웃의 레이어를 생성하며, 이는 머신 러닝 모델에서 생성된 임베딩을 다룰 때 특히 유용합니다. 이 기능을 통해 사용자는 임베딩을 기반으로 그래프에서 유사한 노드를 찾을 수 있어 유사성 검색이 필요한 애플리케이션에 매우 유용한 자원입니다.
더 읽기
이 도구는 노드와 관계 모두에 대해 지정된 차원과 유사성 함수(유클리드 및 코사인)를 사용하여 벡터 인덱스를 생성하는 것을 지원합니다. 사용자는 임베딩과 top-k 값을 사용하여 벡터 인덱스를 쿼리할 수 있으며, 이는 유사성 점수와 함께 노드를 반환합니다. Neo4j 벡터 검색은 OpenAI, Azure OpenAI, Google Vertex AI 및 Amazon Bedrock과 같은 제공업체와 함께 텍스트 임베딩을 계산하기 위한 기능과 절차를 포함합니다.
현재 Neo4j 릴리스에 대한 권장 접근 방식은 벡터 검색을 위해 SEARCH 절과 함께 Cypher 25를 사용하고, ai.text.embed() 및 ai.text.embedBatch()를 사용하여 임베딩을 생성하는 것입니다. 이는 예상 크기의 임베딩만 인덱싱되도록 하여 차원이 일치하지 않는 쿼리가 실패하는 것을 방지합니다.
하이브리드 검색 기능도 제공되어 여러 검색 신호에서 순위가 매겨진 결과를 단일 결과 목록으로 결합합니다. 이는 이름, 약어 또는 식별자와 같은 정확한 용어 일치를 요구하는 검색에 특히 유용합니다.
Neo4j 벡터 검색은 AI 기반 애플리케이션을 위해 그래프 데이터베이스를 활용하려는 개발자와 데이터 과학자에게 적합합니다. 포괄적인 문서와 커뮤니티 지원을 제공하여 신규 사용자와 경험이 있는 사용자 모두에게 접근할 수 있도록 합니다. 이 도구는 다양한 그래프 데이터베이스 솔루션과 AI 통합을 포함하는 Neo4j의 광범위한 생태계의 일부입니다.
- 카테고리벡터 데이터베이스 및 검색
- 요금제프리미엄
- 배포자체 호스팅, 클라우드
- 플랫폼클라우드
Neo4j 벡터 검색의 핵심 기능
k-최근접 이웃을 위한 HNSW 알고리즘
머신 러닝 모델에서 생성된 임베딩 지원
지정된 차원으로 벡터 인덱스 생성
유사성 함수: 유클리드 및 코사인
OpenAI, Azure, Google, Amazon과의 통합
여러 검색 신호를 결합한 하이브리드 검색
벡터 검색을 위한 Cypher 25 지원
텍스트 임베딩을 위한 GenAI 플러그인
Neo4j 벡터 검색 사용 방법은?
구성: 벡터 인덱스 차원 및 유사성 함수 설정
사용: 임베딩으로 벡터 인덱스 쿼리
통합: 텍스트 임베딩을 위한 GenAI 플러그인 사용
최적화: 포괄적인 결과를 위한 하이브리드 검색 결합
Neo4j 벡터 검색의 사용 사례
- 그래프 유사성 검색
- AI 기반 애플리케이션
- 하이브리드 검색
- 머신 러닝 통합
- 데이터 과학 프로젝트
