类别: 向量数据库

标记为 向量数据库 的文章

筛选

矢量搜索过滤:保持相关性

仅靠矢量搜索来查找与查询最相似的结果是不够的。要缩小搜索结果的范围,通常需要进行筛选。本文介绍了在 Elasticsearch 和 Apache Lucene 中如何对矢量搜索进行过滤。

Carlos Delgado

将嵌入映射到 Elasticsearch 字段类型:semantic_text、dense_vector、sparse_vector

讨论如何以及何时使用 semantic_text、dense_vector 或 sparse_vector,以及它们与嵌入生成的关系。

Andre Luiz

如何在使用案例中实施更好的二进制量化 (BBQ)

探讨为什么要在用例中实施更好的二进制量化 (BBQ) 以及如何实施。

Sachin Frayne

Elasticsearch BBQ 与 OpenSearch FAISS:矢量搜索性能比较

Elasticsearch BBQ 和 OpenSearch FAISS 的性能比较。

Ugo Sangiorgi

用于谷歌云 Vertex AI 平台原生落地的 Elasticsearch 向量数据库

探索 Elasticsearch 作为 Google Cloud's Vertex AI 的首个第三方原生落地引擎,如何让您通过将 Gemini 模型落地到企业数据中来构建定制的 GenAI 体验。

Valerio Arvizzigno

加速合并 HNSW 图表

探索我们为降低构建多个 HNSW 图形的开销所做的工作,尤其是降低合并图形的成本。

Thomas Veasey

扩展 Elasticsearch 中的后期交互模型 — 第 2 部分

本文探讨了为大规模生产工作负载优化后期交互向量的技术,例如降低磁盘占用与提升计算效率。

Peter Straßer

利用英伟达™(NVIDIA®)探索 Elasticsearch 中的 GPU 加速矢量搜索:第一章

这项合作由英伟达™(NVIDIA®)cuVS 提供支持,旨在为开发人员在 Elasticsearch 中进行矢量搜索提供 GPU 加速。

Chris Hegarty

矢量搜索简介

本文是三篇系列文章中的第一篇,将深入探讨矢量搜索(也称语义搜索)的复杂性以及如何在 Elasticsearch 中实现。

Valentin Crettaz

如何使用用于微软语义内核(Microsoft Semantic Kernel)的Elasticsearch矢量存储连接器进行人工智能代理开发

微软语义内核(Microsoft Semantic Kernel)是一款轻量级开源开发工具包,可让您轻松构建人工智能代理,并将最新的人工智能模型集成到您的 C#、Python 或 Java 代码库中。随着Semantic Kernel Elasticsearch向量存储连接器(Elasticsearch Vector Store Connector)的发布,使用Semantic Kernel构建人工智能代理的开发人员现在可以将Elasticsearch作为可扩展的企业级向量存储插件,同时继续使用Semantic Kernel抽象。

Florian Bernd

如何在电子商务产品目录中使用混合搜索

了解如何使用混合搜索建立电子商务产品目录,使用分面、促销、个性化和行为分析。

Andre Luiz

使用 Blazor 和 Elasticsearch 构建搜索应用

了解如何使用 Blazor 和 Elasticsearch 构建搜索应用程序,以及如何使用 Elasticsearch .NET 客户端进行混合搜索。

Gustavo Llermaly

准备好打造最先进的搜索体验了吗?

足够先进的搜索不是一个人的努力就能实现的。Elasticsearch 由数据科学家、ML 操作员、工程师以及更多和您一样对搜索充满热情的人提供支持。让我们联系起来,共同打造神奇的搜索体验,让您获得想要的结果。

亲自试用