57 lines
1.0 KiB
Markdown
57 lines
1.0 KiB
Markdown
# موتور جستجوی برداری
|
|
|
|
اندیسهای HNSW و IVF-PQ برای جستجوی شباهت.
|
|
|
|
## استفاده
|
|
|
|
```nim
|
|
import barabadb/vector/engine
|
|
|
|
var idx = newHNSWIndex(dimensions = 128)
|
|
idx.insert(1, @[1.0'f32, 0.0'f32, ...], {"category": "A"}.toTable)
|
|
|
|
let results = idx.search(queryVector, k = 10)
|
|
```
|
|
|
|
## انواع اندیس
|
|
|
|
### HNSW
|
|
|
|
گراف Navigable Small World سلسلهمراتبی.
|
|
|
|
```nim
|
|
var hnsw = newHNSWIndex(
|
|
dimensions = 128,
|
|
m = 16,
|
|
efConstruction = 200,
|
|
efSearch = 100
|
|
)
|
|
```
|
|
|
|
### IVF-PQ
|
|
|
|
اندیس فایل معکوس با تکمیم محصول.
|
|
|
|
```nim
|
|
var ivfpq = newIVFPQIndex(
|
|
dimensions = 128,
|
|
numCentroids = 256,
|
|
subQuantizers = 8
|
|
)
|
|
```
|
|
|
|
## معیارهای فاصله
|
|
|
|
| معیار | توضیح |
|
|
|-------|--------|
|
|
| `cosine` | شباهت کسینوسی |
|
|
| `euclidean` | فاصله L2 |
|
|
| `dotproduct` | ضرب نقطهای |
|
|
| `manhattan` | فاصله L1 |
|
|
|
|
## کوانتیزاسیون
|
|
|
|
```nim
|
|
let scalar = scalarQuantize(data, bits = 8)
|
|
let pq = productQuantize(data, subVectors = 8, bits = 8)
|
|
``` |