Описание
Neo4j Vector Search — это мощный инструмент, разработанный для упрощения эффективного и надежного поиска ближайших соседей с использованием векторных индексов. Он реализует алгоритм Hierarchical Navigatable Small World (HNSW) для создания слоев k-ближайших соседей, что особенно полезно для работы с встраиваниями, сгенерированными моделями машинного обучения. Эта функциональность позволяет пользователям находить похожие узлы в графе на основе их встраиваний, что делает его незаменимым ресурсом для приложений, требующих поиска по сходству.
Читать далее
Инструмент поддерживает создание векторного индекса с заданным количеством измерений и функциями сходства, такими как евклидова и косинусная, как для узлов, так и для отношений. Пользователи могут запрашивать векторный индекс с помощью встраивания и значения top-k, что возвращает узлы вместе с их оценками сходства. Neo4j Vector Search также включает функции и процедуры в плагине GenAI для вычисления текстовых встраиваний с такими поставщиками, как OpenAI, Azure OpenAI, Google Vertex AI и Amazon Bedrock.
Для текущих релизов Neo4j рекомендуется использовать Cypher 25 с оператором SEARCH для векторного поиска, а также ai.text.embed() и ai.text.embedBatch() для генерации встраиваний. Это гарантирует, что только встраивания ожидаемого размера индексируются, предотвращая сбои запросов с несовпадающими размерами.
Также доступны гибкие возможности поиска, которые объединяют ранжированные результаты из нескольких сигналов извлечения в один список результатов. Это особенно полезно для поисков, которые требуют как сходства векторов, так и точного совпадения терминов, таких как имена, аббревиатуры или идентификаторы.
Neo4j Vector Search подходит для разработчиков и специалистов по данным, стремящихся использовать графовые базы данных для приложений на базе ИИ. Он предлагает обширную документацию и поддержку сообщества, что делает его доступным как для новых, так и для опытных пользователей. Инструмент является частью более широкой экосистемы Neo4j, которая включает различные решения для графовых баз данных и интеграции ИИ.
- КатегорияВекторные базы данных и поиск
- Модель ценообразованияFreemium
- РазвёртываниеСобственный хостинг, Облако
- ПлатформыОблако
Основные функции Neo4j Vector Search
Алгоритм HNSW для k-ближайших соседей
Поддержка встраиваний из моделей машинного обучения
Создание векторного индекса с заданными измерениями
Функции сходства: евклидова и косинусная
Интеграция с OpenAI, Azure, Google, Amazon
Гибкий поиск, объединяющий несколько сигналов извлечения
Поддержка Cypher 25 для векторного поиска
Плагин GenAI для текстовых встраиваний
Как использовать Neo4j Vector Search?
Настройка: Установите размеры векторного индекса и функции сходства
Использование: Запрашивайте векторный индекс с встраиваниями
Интеграция: Используйте плагин GenAI для текстовых встраиваний
Оптимизация: Объедините гибкий поиск для комплексных результатов
Варианты использования Neo4j Vector Search
- Поиск по сходству в графе
- Приложения на базе ИИ
- Гибкий поиск
- Интеграция машинного обучения
- Проекты в области науки о данных
