Àpótí ìpamọ́ dátà vector tí a ṣàkóso tí ó jẹ́ PostgreSQL nìkan

Ibi ipamọ data ti o ti ni igbẹkẹle tẹlẹ, pẹlu iru iwe afikun kan ni afikun

Bẹ́ẹ̀ ni àpò ìpínlẹ̀ vector sábà máa ń jẹ́ ẹ̀rọ kejì láti máa ṣiṣẹ́ pẹ̀lú èkínní: cluster mìíràn, ìtàn àfipamọ́ mìíràn, nǹkan mìíràn tí wọ́n á jí ọ dìde fún. Èyí ni pgvector tó wà nínú PostgreSQL — ẹ̀rọ kan náà, agbára àtìpẹ́tìpẹ́ kan náà, àfipamọ́ ìpìlẹ̀ alẹ́ kan náà àti àkọsílẹ̀ write-ahead log alábòjútó tí ohun gbogbo mìíràn ń rí níbí. Ìwé àkọsílẹ̀ rẹ jẹ́ tábìlì déédéé pẹ̀lú index HNSW lórí rẹ̀, nítorí náà ó yára fún wíwá ìtumọ̀ tí ó súnmọ́ tòsí jù lọ (approximate nearest-neighbour search) ó sì rọrùn ní gbogbo ọ̀nà yòókù, èyí tí ó jẹ́ ànímọ́ tí o fẹ́ ní agogo mẹ́ta alẹ́.

Gbòrò àwoṣe rẹ, kì í ṣe gbòrò tí a yan

Ọpọlọpọ awọn iṣẹfẹ ti a nṣe iṣakoso ni a fi agbara mu ọ lati yan lati inu atokọ kukuru ti awọn iwọn. Tirẹ ko ni lati jẹ nọmba kan ti o yika: ohunkohun lati 1 si 3072 ni a gba ati tọju ni deede, nitori aṣoju oniwọn to dín ni a fi odo kún si iwọn ti ara ti o tọ – eyiti ko yipada ijinna cosine, Euclidean ati inner-product ni pato rárá. Awoṣe iwọn 1408 ṣe ipo ni deede si eyiti a ṣe ni pataki fun u, ati awọn kika fun ọ ni awọn iye 1408 ti o fipamọ padanu, kii ṣe afikun náà lai.

Wọ́n fi kún gbogbo ètò vector

• Eyikeyi ìbùgbé ìfúnni (embedding width) tó tó 3072, àti ìjinà cosine, Euclidean tàbí inner-product
• Metadata ti a fipamọ pẹlu gbogbo vector, ati pe a n yọ lori rẹ nigbati a ba n beere
• Àwọn àtìlẹ́yìn alẹ́ pẹ̀lú ìpamọ́ fún ọjọ́ ọgbọ̀n (30) àti ìgbàpadà ní àkókò kan pàtò
• Ààbò ní ìpele ìlà, nítorí náà àwọn vectors àgbájọ kan kò sí ní ìdálé lọ́wọ́ ti òmíràn

Àwọn ètò àti iye owó

Àwọn ìpele mẹ́ta, tí a ṣe iye wọn lórí ohun méjì tó ń ná wa ní owó gidi: bí o ṣe fipamọ́ tó àti bí o ṣe wá wá tó.

Àwọn ìbéèrè tí àwọn èèyàn ń béèrè kí wọ́n tó ra àwọn nǹkan