个人网页设计说明书2000字,惠州seo代理,南京平面设计师联盟,2023适合小学生的新闻事件官方学习资料 主要是的学习资料是#xff0c; 官方文档 和官方博客。相关文章还是挺多 挺不错的 他们更新也比较及时。有最新的东西 都会更新出来。es scdn官方博客
这里简单列一些#xff0c;还有一些其他的#xff0c;大家自己感兴趣去看。
什么是向量数据库
Elasticse…官方学习资料 主要是的学习资料是 官方文档 和官方博客。相关文章还是挺多 挺不错的 他们更新也比较及时。有最新的东西 都会更新出来。es scdn官方博客
这里简单列一些还有一些其他的大家自己感兴趣去看。
什么是向量数据库
Elasticsearch向量数据库的真相-CSDN博客
什么是向量嵌入
什么是大语言模型LLM
什么是语义搜索
向量搜索的优势
什么是机器学习 关于多模态 这个是多模态检索。目前es只能做文本类转向量的模型导入。不支持图片转向量的模型导入。clip是双塔模型一个负责文本转向量一个负责图片转向量。我测过了图片转向量模型不支持导入如果用es做多模态。还是要在外边部署模型。 整体体验不好。而且模型导入es是收费的白金版。 最佳实践不付费玩法应该是完全在外边做转向量。 考虑付费可以用es 学术界前沿的研究对比 这个是学术稍微前沿一点的研究。里边包含的论文感兴趣可以看看。里边探讨对比了关于BM25和向量检索的效果。还包含稀疏向量相关的知识。 关于稀疏向量 稠密向量有一个致命问题。 检索速度以及做嵌入的速度。太慢现在最先进的方向是稀疏向量
这里边有对比 语义检索 和 BM25的效果对比。最佳实践是两者结合做内容召回。两者可以互补根据官方提供的稀疏向量的模型测试结果如下图所示据说20个场景有19个都优遇BM25.
这是稀疏向量模型的转换效果应该不会多花费空间。它的维度相对低。
这里有我的一篇文章国内生产实践经验帖。ES-ELSER 如何在内网中离线导入ES官方的稀疏向量模型国内网络环境下操作方法-CSDN博客 如何做向量嵌入 模型转向量简单来讲是利用机器学习模型把一块文本数据映射到网络空间内同样问题query也是用同一个模型映射到网络空间内。然后计算cosin值也就是夹角越小就越相近。 我在生产实践中是选择使用es来的机器学习模块倒入hugging face上的NLP模型来做文本嵌入。 这里有一篇我自己写的国内环境下。如何在es中导入NLP模型。elasticsearch 内网下如何以离线的方式上传任意的huggingFace上的NLP模型国内避坑指南-CSDN博客 这里还有一个例子是在es中使用 E5 嵌入模型进行多语言向量搜索
向量检索简单举个例子 data 是一篇文章的内容。这个内容最终可能是切分成N个片段。 然后通过模型把每个片段都转成向量然后再把向量存到向量库。
例如第一个段落 片段转完是 [1.0000009,0.11111111,0.899998]
然后问题也转成向量可能是 [1.0044449,0.55551111,0.449998]
然后通过计算这两个数组的cosin值然后再比较 其它片段和问题的cosin值当然还可以用其它计算方式然后做个排序然后把topN小的返回。这就是KNN最邻近搜索。 关于相关性或者说相似性 相似不相似其实更多是依赖模型效果好不好。向量库都只是起计算作用。关于向量库的选择只需要看该向量数据库的稳定性数据承载能力也就是能存多少数据是否满足业务需求。已经向量数据库实现的向量检索算法都有哪些实际上目前学术界也就那么多。还有就是该库的检索性能如何稳定性如何能够满足业务需求。但是不要想着在向量数据库上去提升搜索相关性的事情因为相关性和库没有太大关系。如何要研究提升召回效果。应该去考虑选择什么样的机器学习模型效果更好还要考虑模型的语言能力是否支持多语种。例如你在英文模型下做中文数据的embedding效果肯定会很差。此外不同的业务应该选择自己的模型加上微调。而不是一个大一统的模型。另外一个提升相关性的方向是探索数据切割的规则针对不同类型的数据做不同的切分。 实际上利用向量检索的相关性效果还确实是比BM25好的。但是它不是绝对的在关键词精准匹配场景下BM25算法更好一些。 如何选择模型
语义检索系统如何选择合适的embedding模型-CSDN博客 使用模型做文本陷入如何做数据切分不丢失语义 目前这一块探索还比较少。根据看过的一些案例基本上推荐在500个token300-400个字。再多了就会丢失语义。这里还需要摸索和测试一下。 ES支持混合检索吗 向量检索倒排索引
es ANN搜索
这样可以先筛选数据。然后剩下的在做 knn搜索。这个逻辑会先走倒排搜索。 提供一个向量检索的案例
腾讯es云最近写的最佳实践 关于请求改写经验
美团的查询改写
