向量数据库

Elasticsearch 中 HNSW 的自适应提前终止

为 Elasticsearch 中的 HNSW 引入一种新的自适应提前终止策略。

Elasticsearch 中 HNSW 的自适应提前终止
使用 NVIDIA cuVS 将 Elasticsearch 中的向量索引速度提升高达 12 倍:GPU 加速(第二章)

2025年12月3日

使用 NVIDIA cuVS 将 Elasticsearch 中的向量索引速度提升高达 12 倍:GPU 加速(第二章)

了解 Elasticsearch 如何借助 GPU 加速的向量索引和 NVIDIA cuVS,实现近 12 倍的索引吞吐量提升。

利用 Elasticsearch 和 SigLIP-2 对山峰进行多模式搜索

2025年11月4日

利用 Elasticsearch 和 SigLIP-2 对山峰进行多模式搜索

了解如何使用 SigLIP-2 嵌入和 Elasticsearch kNN 向量搜索实现文本到图像和图像到图像的多模态搜索。项目重点:寻找珠峰徒步旅行中拍摄的阿玛达布拉姆峰照片。

利用混合搜索重排提高多语言嵌入模型的相关性

2025年11月3日

利用混合搜索重排提高多语言嵌入模型的相关性

了解如何在 Elasticsearch 中使用 Cohere 的 reranker 和混合搜索提高 E5 多语言嵌入模型搜索结果的相关性。

在 Elasticsearch 中部署多语言嵌入模型

2025年10月22日

在 Elasticsearch 中部署多语言嵌入模型

了解如何在 Elasticsearch 中为向量搜索和跨语言检索部署 e5 多语言嵌入模型。

矢量搜索过滤:保持相关性

2025年9月3日

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。

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

2025年5月13日

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。

如何在使用案例中实施更好的二进制量化 (BBQ)

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。

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

2025年4月15日

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

Elasticsearch BBQ 和 OpenSearch FAISS 的性能比较。

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