Описание
Поиск векторов MongoDB — это мощная функция MongoDB Atlas, которая позволяет пользователям хранить и искать векторы вместе с их операционными данными. Векторы — это математические представления данных, выраженные в виде массивов чисел, которые захватывают определенные характеристики или свойства. В контексте машинного обучения и искусственного интеллекта векторные встраивания используются для кодирования сложных данных, таких как текст, изображения или аудио, в формат, который могут обрабатывать компьютеры. Эта возможность необходима для приложений, таких как семантический поиск, системы рекомендаций и генеративный ИИ.
Читать далее
Одним из ключевых преимуществ поиска векторов MongoDB является его способность выполнять поиск на основе семантического значения, зафиксированного в векторах, в отличие от традиционного поиска по ключевым словам. Это позволяет получать более точные и контекстно осведомленные результаты поиска, улучшая пользовательский опыт. MongoDB служит векторной базой данных, позволяя пользователям управлять своими операционными данными, метаданными и векторными встраиваниями в одном месте, устраняя необходимость в отдельных базах данных и синхронизации.
Поиск векторов MongoDB поддерживает различные алгоритмы для нахождения похожих векторов, включая K-ближайших соседей (KNN), приближенных ближайших соседей (ANN) и точных ближайших соседей (ENN). Эти алгоритмы разработаны для балансировки точности и производительности, что упрощает работу с комплексными и высокоразмерными векторными сценариями использования. Кроме того, платформа поддерживает встраивания от любого поставщика в пределах лимита 4096 измерений, что обеспечивает гибкость в загрузке и запросах данных.
Интеграция встроенных возможностей повторного ранжирования повышает точность извлечения, обеспечивая доставку только наиболее релевантных данных для больших языковых моделей (LLMs), оптимизируя расход токенов и улучшая общую производительность. Более того, гибкая возможность поиска MongoDB сочетает лексический и векторный поиск в одном запросе, предоставляя пользователям лучшее из обоих миров.
Поиск векторов MongoDB подходит для широкого спектра приложений, включая семантический поиск, генерацию с дополнением извлечения (RAG) и разработку агентных систем. Благодаря своим мощным функциям и возможностям поиск векторов MongoDB дает возможность организациям создавать интеллектуальные приложения, которые используют силу векторных данных.
- КатегорияВекторные базы данных и поиск
- Модель ценообразованияFreemium
- РазвёртываниеОблако
- ПлатформыAWS, Azure, GCP
Основные функции Поиск векторов MongoDB
Полностью управляемая многоклаудная база данных
Поиск приближенных ближайших соседей (ANN)
Поиск точных ближайших соседей (ENN)
Гибкие возможности поиска
Интеграция встроенного повторного ранжирования
Автоматическая генерация встраиваний
Независимое масштабирование с помощью узлов поиска
Экономия затрат за счет квантования векторов
Как использовать Поиск векторов MongoDB?
Создайте векторные встраивания с помощью модели с открытым исходным кодом или позвольте MongoDB сгенерировать их автоматически.
Определите индекс поиска векторов для встраиваний, которые вы хотите запросить.
Используйте этап $vectorSearch в конвейере агрегации для запросов.
Комбинируйте векторные запросы с фильтрами метаданных для улучшения результатов поиска.
Варианты использования Поиск векторов MongoDB
- Семантический поиск
- Генерация с дополнением извлечения
- Агентные системы
- Системы рекомендаций
- Обнаружение аномалий
