65 lines
1.2 KiB
Markdown
65 lines
1.2 KiB
Markdown
# محرك البحث المتجهي
|
|
|
|
فهارس HNSW و IVF-PQ للبحث عن التشابه.
|
|
|
|
## الاستخدام
|
|
|
|
```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)
|
|
```
|
|
|
|
## أنواع الفهارس
|
|
|
|
### HNSW
|
|
|
|
رسم بياني Small World قابل للملاحة هرمي للبحث عن أقرب الجيران.
|
|
|
|
```nim
|
|
var hnsw = newHNSWIndex(
|
|
dimensions = 128,
|
|
m = 16,
|
|
efConstruction = 200,
|
|
efSearch = 100
|
|
)
|
|
```
|
|
|
|
### IVF-PQ
|
|
|
|
فهرس ملف مقلوب مع تكميم المنتج.
|
|
|
|
```nim
|
|
var ivfpq = newIVFPQIndex(
|
|
dimensions = 128,
|
|
numCentroids = 256,
|
|
subQuantizers = 8
|
|
)
|
|
```
|
|
|
|
## مقاييس المسافة
|
|
|
|
| المقياس | الوصف |
|
|
|---------|-------|
|
|
| `cosine` | تشابه جيب التمام |
|
|
| `euclidean` | مسافة L2 |
|
|
| `dotproduct` | تشابه المنتج النقطي |
|
|
| `manhattan` | مسافة L1 |
|
|
|
|
## التكميم
|
|
|
|
```nim
|
|
let scalar = scalarQuantize(data, bits = 8)
|
|
let pq = productQuantize(data, subVectors = 8, bits = 8)
|
|
```
|
|
|
|
## تسريع SIMD
|
|
|
|
```nim
|
|
import barabadb/vector/simd
|
|
|
|
let dist = simdCosineDistance(vec1, vec2)
|
|
``` |