描述
Neo4j 向量搜索是一个强大的工具,旨在通过向量索引促进高效且稳健的近似最近邻搜索。它实现了分层可导航小世界 (HNSW) 算法,以创建 k 最近邻的层,这对于处理由机器学习模型生成的嵌入特别有用。此功能允许用户根据其嵌入在图中查找相似节点,使其成为需要相似性搜索的应用程序的宝贵资源。
阅读更多
该工具支持创建具有指定维度和相似性函数(如欧几里得和余弦)的向量索引,适用于节点和关系。用户可以使用嵌入和 top-k 值查询向量索引,返回节点及其相似性分数。Neo4j 向量搜索还包括 GenAI 插件中的函数和过程,以计算与 OpenAI、Azure OpenAI、Google Vertex AI 和 Amazon Bedrock 等提供商的文本嵌入。
对于当前的 Neo4j 版本,推荐的方法是使用带有 SEARCH 子句的 Cypher 25 进行向量搜索,以及使用 ai.text.embed() 和 ai.text.embedBatch() 生成嵌入。这确保仅索引预期大小的嵌入,防止维度不匹配的查询失败。
混合搜索功能也可用,将来自多个检索信号的排名结果组合成单个结果列表。这对于需要向量相似性和精确术语匹配的搜索(如名称、缩略词或标识符)特别有用。
Neo4j 向量搜索适合希望利用图数据库进行 AI 驱动应用程序的开发人员和数据科学家。它提供全面的文档和社区支持,使新用户和经验丰富的用户都能轻松访问。该工具是 Neo4j 更广泛生态系统的一部分,其中包括各种图数据库解决方案和 AI 集成。
- 类别向量数据库与检索
- 定价模式免费增值
- 部署自托管, 云端
- 平台云端
Neo4j 向量搜索的核心功能
HNSW 算法用于 k 最近邻
支持来自机器学习模型的嵌入
具有指定维度的向量索引创建
相似性函数:欧几里得和余弦
与 OpenAI、Azure、Google、Amazon 的集成
结合多个检索信号的混合搜索
支持 Cypher 25 的向量搜索
GenAI 插件用于文本嵌入
如何使用 Neo4j 向量搜索?
配置:设置向量索引维度和相似性函数
使用:使用嵌入查询向量索引
集成:使用 GenAI 插件进行文本嵌入
优化:结合混合搜索以获得全面结果
Neo4j 向量搜索的使用案例
- 图相似性搜索
- AI 驱动的应用程序
- 混合搜索
- 机器学习集成
- 数据科学项目





