BaseVectorSearchCompression interface
Berisi opsi konfigurasi khusus untuk metode pemadatan yang digunakan selama pengindeksan atau kueri.
Properti
| compression |
Nama yang akan dikaitkan dengan konfigurasi khusus ini. |
| default |
Faktor oversampling default. Pengambilan sampel berlebih akan meminta lebih banyak dokumen secara internal (ditentukan oleh pengali ini) dalam pencarian awal. Ini meningkatkan serangkaian hasil yang akan direrank menggunakan skor kesamaan yang dikomputasi ulang dari vektor presisi penuh. Nilai minimum adalah 1, yang berarti tidak ada oversampling (1x). Parameter ini hanya dapat diatur ketika rerankWithOriginalVectors benar. Nilai yang lebih tinggi meningkatkan pengenalan dengan mengorbankan latensi. |
| kind | Diskriminator polimorfik, yang menentukan berbagai jenis objek ini dapat |
| rerank |
Jika diatur ke true, setelah kumpulan hasil yang diurutkan yang dihitung menggunakan vektor terkompresi diperoleh, mereka akan dirankit ulang lagi dengan menghitung ulang skor kesamaan presisi penuh. Ini akan meningkatkan pengenalan dengan mengorbankan latensi. |
Detail Properti
compressionName
Nama yang akan dikaitkan dengan konfigurasi khusus ini.
compressionName: string
Nilai Properti
string
defaultOversampling
Faktor oversampling default. Pengambilan sampel berlebih akan meminta lebih banyak dokumen secara internal (ditentukan oleh pengali ini) dalam pencarian awal. Ini meningkatkan serangkaian hasil yang akan direrank menggunakan skor kesamaan yang dikomputasi ulang dari vektor presisi penuh. Nilai minimum adalah 1, yang berarti tidak ada oversampling (1x). Parameter ini hanya dapat diatur ketika rerankWithOriginalVectors benar. Nilai yang lebih tinggi meningkatkan pengenalan dengan mengorbankan latensi.
defaultOversampling?: number
Nilai Properti
number
kind
Diskriminator polimorfik, yang menentukan berbagai jenis objek ini dapat
kind: "scalarQuantization" | "binaryQuantization"
Nilai Properti
"scalarQuantization" | "binaryQuantization"
rerankWithOriginalVectors
Jika diatur ke true, setelah kumpulan hasil yang diurutkan yang dihitung menggunakan vektor terkompresi diperoleh, mereka akan dirankit ulang lagi dengan menghitung ulang skor kesamaan presisi penuh. Ini akan meningkatkan pengenalan dengan mengorbankan latensi.
rerankWithOriginalVectors?: boolean
Nilai Properti
boolean