定义
什么是矢量搜索？
矢量搜索可利用 Machine Learning (ML) 来捕获非结构化数据（包括文本和图像）的含义和上下文，并将其转换为数字化表示形式。矢量搜索常用于语义搜索，通过利用相似最近邻 (ANN) 算法来找到相似数据。与传统的关键字搜索相比，矢量搜索产生的结果相关度更高，执行速度也更快。
为什么矢量搜索很重要？
您遇到过多少次想要查找某个东西却不确定它叫什么的情况？您或许知道它的用途，又或者知道怎么描述它。但如果没有关键字，您就只能大海捞针似的搜索了。
矢量搜索克服了这一限制，可让您按照自己的意思进行搜索。它可以根据相似度搜索快速为查询提供答案。这是因为矢量嵌入除了捕获文本之外，还能捕获非结构化数据，如视频、图像和音频。它可以根据上下文快速为查询提供答案。这是因为矢量嵌入可捕获同义词和关联，它们本质上是搜索背后的含义。您可以将矢量搜索与筛选和聚合相结合，通过实现混合搜索并将其与传统评分相结合来优化相关性，从而增强搜索体验。
矢量搜索引擎的工作原理？
矢量搜索引擎也称为矢量数据库、语义搜索或余弦搜索，可用于查找给定（矢量化）查询的最近邻。
传统搜索方法依赖于关键字的提及率、词汇相似度和单词出现的频率，而矢量搜索引擎则是使用嵌入空间中的距离信息来表示相似度。这样一来，查找相关数据就变成了搜索您查询内容的最近邻。
矢量搜索用例
矢量搜索不仅为下一代搜索体验提供了强大动力，而且还为各种新的可能性打开了大门。
如何开始体验
借助 Elastic 轻松应用矢量搜索和自然语言处理 (NLP)
实施矢量搜索和应用自然语言处理 (NLP) 模型并非困难重重。有了 Elasticsearch Relevance Engine™ (ESRE)，您便可获得一个工具包，用于构建可与生成式 AI 和大型语言模型 (LLM) 搭配使用的 AI 搜索应用程序。
使用 ESRE，您可以构建富有创意的搜索应用程序，生成嵌入，存储和搜索矢量，以及通过 Elastic 的 Learned Sparse Encoder 实现语义搜索。欢迎详细了解如何使用 Elasticsearch 作为您的矢量数据库。
