Vector Search جست‌وجوی نزدیک‌ترین بردارها در یک فضای چندبعدی است. بردارها ممکن است از متن، تصویر یا داده دیگری توسط Embedding Model ساخته شوند.
در پروژه چه کاربردی دارد؟
در جست‌وجوی اسناد، بردار پرسش با بردار قطعه‌های سند مقایسه می‌شود و نزدیک‌ترین موارد برای پاسخ‌دهی انتخاب می‌شوند.
معیار فاصله، نحوه نرمال‌سازی بردار و کیفیت Index تقریبی مانند HNSW بر نتیجه و زمان جست‌وجو اثر دارند.
درک تفاوت این موضوع با تولید تقویت‌شده با بازیابی و بردارسازی معنایی به انتخاب راهکار مناسب‌تر کمک می‌کند.
نزدیک‌ترین همسایه و Recall
Vector Search با فاصله یا شباهت میان Embeddingها نتیجه پیدا می‌کند. موتورهای ANN با مصرف کمتر منابع، تقریب نتیجه دقیق را می‌دهند و کیفیت باید با Recall و Latency سنجیده شود.