HnswParameters interface

Paquete:

@azure/search-documents

Contiene los parámetros específicos del algoritmo hnsw.

Propiedades

efConstruction	Tamaño de la lista dinámica que contiene los vecinos más cercanos, que se usan durante el tiempo de índice. Aumentar este parámetro puede mejorar la calidad del índice, a costa del aumento del tiempo de indexación. En un momento determinado, aumentar este parámetro conduce a la disminución de los retornos.
efSearch	Tamaño de la lista dinámica que contiene los vecinos más cercanos, que se usan durante el tiempo de búsqueda. Aumentar este parámetro puede mejorar los resultados de búsqueda, a costa de una búsqueda más lenta. El aumento de este parámetro conduce a la disminución de los retornos.
m	Número de vínculos bidireccionales creados para cada nuevo elemento durante la construcción. Aumentar este valor de parámetro puede mejorar la recuperación y reducir los tiempos de recuperación de los conjuntos de datos con una alta dimensionalidad intrínseca a costa del aumento del consumo de memoria y el tiempo de indexación más largo.
metric	Métrica de similitud que se va a usar para comparaciones de vectores.

Detalles de las propiedades

efConstruction

Tamaño de la lista dinámica que contiene los vecinos más cercanos, que se usan durante el tiempo de índice. Aumentar este parámetro puede mejorar la calidad del índice, a costa del aumento del tiempo de indexación. En un momento determinado, aumentar este parámetro conduce a la disminución de los retornos.

efConstruction?: number

Valor de propiedad

number

efSearch

Tamaño de la lista dinámica que contiene los vecinos más cercanos, que se usan durante el tiempo de búsqueda. Aumentar este parámetro puede mejorar los resultados de búsqueda, a costa de una búsqueda más lenta. El aumento de este parámetro conduce a la disminución de los retornos.

efSearch?: number

Valor de propiedad

number

m

Número de vínculos bidireccionales creados para cada nuevo elemento durante la construcción. Aumentar este valor de parámetro puede mejorar la recuperación y reducir los tiempos de recuperación de los conjuntos de datos con una alta dimensionalidad intrínseca a costa del aumento del consumo de memoria y el tiempo de indexación más largo.

m?: number

Valor de propiedad

number

metric

Métrica de similitud que se va a usar para comparaciones de vectores.

metric?: "cosine" | "euclidean" | "dotProduct" | "hamming"

Valor de propiedad

"cosine" | "euclidean" | "dotProduct" | "hamming"