ScalarQuantizationCompression interface

Paket:

@azure/search-documents

Berisi opsi konfigurasi khusus untuk metode kompresi kuantisasi skalar yang digunakan selama pengindeksan dan kueri.

Memperluas

BaseVectorSearchCompression

Properti

kind	Diskriminator polimorfik, yang menentukan berbagai jenis objek ini dapat
parameters	Berisi parameter khusus untuk Kuantisasi Skalar.

Properti yang Diwariskan

compressionName	Nama yang akan dikaitkan dengan konfigurasi khusus ini.
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.
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.
rescoringOptions	Berisi opsi untuk memulihkan.
truncationDimension	Jumlah dimensi untuk memotong vektor. Memotong vektor mengurangi ukuran vektor dan jumlah data yang perlu ditransfer selama pencarian. Ini dapat menghemat biaya penyimpanan dan meningkatkan kinerja pencarian dengan mengorbankan penarikan. Ini hanya boleh digunakan untuk penyematan yang dilatih dengan Matryoshka Representation Learning (MRL) seperti OpenAI text-embedding-3-large (kecil). Nilai defaultnya adalah null, yang berarti tidak ada pemotongan.

Detail Properti

kind

Diskriminator polimorfik, yang menentukan berbagai jenis objek ini dapat

kind: "scalarQuantization"

Nilai Properti

"scalarQuantization"

parameters

Berisi parameter khusus untuk Kuantisasi Skalar.

parameters?: ScalarQuantizationParameters

Nilai Properti

ScalarQuantizationParameters

Detail Properti yang Diwariskan

compressionName

Nama yang akan dikaitkan dengan konfigurasi khusus ini.

compressionName: string

Nilai Properti

string

Diwarisi dariVectorSearchCompression.compressionName

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

Diwarisi dariVectorSearchCompression.defaultOversampling

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

Diwarisi dariVectorSearchCompression.rerankWithOriginalVectors

rescoringOptions

Berisi opsi untuk memulihkan.

rescoringOptions?: RescoringOptions

Nilai Properti

RescoringOptions

Diwarisi dariVectorSearchCompression.rescoringOptions

truncationDimension

Jumlah dimensi untuk memotong vektor. Memotong vektor mengurangi ukuran vektor dan jumlah data yang perlu ditransfer selama pencarian. Ini dapat menghemat biaya penyimpanan dan meningkatkan kinerja pencarian dengan mengorbankan penarikan. Ini hanya boleh digunakan untuk penyematan yang dilatih dengan Matryoshka Representation Learning (MRL) seperti OpenAI text-embedding-3-large (kecil). Nilai defaultnya adalah null, yang berarti tidak ada pemotongan.

truncationDimension?: number

Nilai Properti

number

Diwarisi dariVectorSearchCompression.truncationDimension