向量搜索中的向量将数据项表示为高维数学空间中的点。这种转换允许对复杂的数据类型 (如文本、图像或音频) 进行数值分析。例如，考虑一个文本句子。机器学习模型 (如Word2Vec) 可以将其转换为300维向量，每个维度捕获特定的语言或语义特征。
这些向量通过数值关系捕获含义。在此空间中彼此接近的两个向量表示相似的数据，而相距较远的向量表示不相似。例如，单词 “king” 和 “queen” 可能具有接近的向量，反映了它们的语义相似性。
通过将数据表示为向量，我们使高级搜索和检索系统能够有效地执行基于相似性的操作。这些系统依赖于数学计算，例如计算欧几里得距离或余弦相似度，以确定一个向量与另一个向量的 “接近” 或 “相关” 程度。