Descrição
A Busca Vetorial Neo4j é uma ferramenta poderosa projetada para facilitar buscas eficientes e robustas de vizinhos mais próximos aproximados usando índices vetoriais. Ela implementa o algoritmo Hierarchical Navigatable Small World (HNSW) para criar camadas de k-vizinhos mais próximos, o que é particularmente útil para trabalhar com embeddings gerados por modelos de aprendizado de máquina. Essa funcionalidade permite que os usuários encontrem nós semelhantes em um grafo com base em seus embeddings, tornando-a um recurso inestimável para aplicações que requerem buscas de similaridade.
Ler mais
A ferramenta suporta a criação de um índice vetorial com um número especificado de dimensões e funções de similaridade, como Euclidiana e cosseno, tanto para nós quanto para relacionamentos. Os usuários podem consultar um índice vetorial com um embedding e um valor top-k, que retorna nós juntamente com suas pontuações de similaridade. A Busca Vetorial Neo4j também inclui funções e procedimentos no plugin GenAI para calcular embeddings de texto com provedores como OpenAI, Azure OpenAI, Google Vertex AI e Amazon Bedrock.
Para as versões atuais do Neo4j, a abordagem recomendada é usar o Cypher 25 com a cláusula SEARCH para busca vetorial, e ai.text.embed() e ai.text.embedBatch() para gerar embeddings. Isso garante que apenas embeddings do tamanho esperado sejam indexados, evitando que consultas com dimensões incompatíveis falhem.
Capacidades de busca híbrida também estão disponíveis, combinando resultados classificados de múltiplos sinais de recuperação em uma única lista de resultados. Isso é particularmente útil para buscas que requerem tanto similaridade vetorial quanto correspondência exata de termos, como nomes, siglas ou identificadores.
A Busca Vetorial Neo4j é adequada para desenvolvedores e cientistas de dados que buscam aproveitar bancos de dados de grafos para aplicações impulsionadas por IA. Ela oferece documentação abrangente e suporte da comunidade, tornando-a acessível tanto para novos usuários quanto para usuários experientes. A ferramenta faz parte do ecossistema mais amplo do Neo4j, que inclui várias soluções de bancos de dados de grafos e integrações de IA.
- CategoriaBancos de dados vetoriais e recuperação
- Modelo de preçosFreemium
- ImplantaçãoAuto-hospedado, Nuvem
- PlataformasNuvem
Recursos principais de Busca Vetorial Neo4j
Algoritmo HNSW para k-vizinhos mais próximos
Suporta embeddings de modelos de aprendizado de máquina
Criação de índice vetorial com dimensões especificadas
Funções de similaridade: Euclidiana e cosseno
Integração com OpenAI, Azure, Google, Amazon
Busca híbrida combinando múltiplos sinais de recuperação
Suporte ao Cypher 25 para busca vetorial
Plugin GenAI para embeddings de texto
Como usar Busca Vetorial Neo4j?
Configurar: Defina as dimensões do índice vetorial e as funções de similaridade
Usar: Consulte o índice vetorial com embeddings
Integrar: Use o plugin GenAI para embeddings de texto
Otimizar: Combine busca híbrida para resultados abrangentes
Casos de uso de Busca Vetorial Neo4j
- Busca de similaridade em grafos
- Aplicações impulsionadas por IA
- Busca híbrida
- Integração com aprendizado de máquina
- Projetos de ciência de dados
