カテゴリー: ベクトルデータベース
タグ付けされた記事 ベクトルデータベース
ベクター検索フィルタリング: 関連性を保つ
クエリに最も類似した結果を見つけるためにベクトル検索を実行するだけでは不十分です。検索結果を絞り込むには、フィルタリングが必要になることがよくあります。この記事では、Elasticsearch と Apache Lucene でのベクトル検索のフィルタリングの仕組みについて説明します。
Elasticsearch フィールド タイプへの埋め込みのマッピング: semantic_text、dense_vector、sparse_vector
semantic_text、dense_vector、sparse_vector をどのように、いつ使用するか、またそれらが埋め込み生成とどのように関係するかについて説明します。
ユースケースにBetter Binary Quantization (BBQ)を実装する方法
ユースケースで Better Binary Quantization (BBQ) を実装する理由とその方法について説明します。
Elasticsearch BBQ vs. OpenSearch FAISS: ベクトル検索パフォーマンス比較
Elasticsearch BBQ と OpenSearch FAISS のパフォーマンス比較。
Google Cloud の Vertex AI Platform のネイティブ基盤となる Elasticsearch ベクトル データベース
Google Cloud の Vertex AI 向けの初のサードパーティ製ネイティブ グラウンディング エンジンである Elasticsearch を使用して、Gemini モデルをエンタープライズ データにグラウンディングすることで、カスタム GenAI エクスペリエンスを構築する方法をご覧ください。
Elasticsearchでの後期相互作用モデルのスケーリング - パート 2
この記事では、後期相互作用ベクトルを大規模な本番環境のワークロードに適したものにするための技術を探ります。これには、ディスク容量の使用を減らし、計算効率を向上させることが含まれます。
NVIDIA による Elasticsearch の GPU アクセラレーションによるベクトル検索の探究: 第 1 章
NVIDIA cuVS を活用したこのコラボレーションにより、開発者は Elasticsearch のベクトル検索に GPU アクセラレーションを利用できるようになります。
ベクトル探索の簡単な紹介
この記事は、セマンティック検索とも呼ばれるベクトル検索の複雑さと、それが Elasticsearch でどのように実装されるかを詳しく説明する 3 部構成の記事の第 1 部です。
AIエージェント開発におけるMicrosoftセマンティックカーネル向けElasticsearch Vector Store Connectorの使い方
Microsoft Semantic Kernel は、AI エージェントを簡単に構築し、最新の AI モデルを C#、Python、または Java コードベースに統合できる軽量のオープンソース開発キットです。Semantic Kernel Elasticsearch Vector Store Connector のリリースにより、AI エージェントの構築に Semantic Kernel を使用する開発者は、Semantic Kernel の抽象化を引き続き使用しながら、Elasticsearch をスケーラブルなエンタープライズ グレードのベクター ストアとしてプラグインできるようになりました。
電子商取引の製品カタログでハイブリッド検索を使用する方法
ファセット、プロモーション、パーソナライゼーション、行動分析を活用し、ハイブリッド検索を使用して e コマース製品カタログを構築する方法を学びます。
