向量搜索通过将数据转换为称为向量的数学表示来对数据进行索引。这个过程始于通过机器学习模型将文本、图像或其他非结构化数据转换为数值向量。这些模型通常基于神经网络,生成捕获输入数据语义的嵌入。所得到的向量被存储在高维空间中,其中每个维度表示数据的特征或方面。
一旦将数据转换为向量,就会使用专门的算法对其进行索引,这些算法旨在有效地搜索高维空间。一种流行的算法是分层导航小世界 (HNSW),它将向量组织到图形结构中以促进快速检索。这种索引方法允许近似的最近邻搜索,这对于在不产生高计算成本的情况下找到语义相似的项目至关重要。
通过将数据作为向量进行索引,与传统的基于关键字的搜索相比,向量搜索实现了更细微的搜索体验。它允许相似性搜索,其中查询可以基于语义相似性而不是精确的关键字匹配来检索结果。这种方法在用户寻找上下文相关而不是文本相同的信息的场景中特别有益。