Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Vektör depoları doğal dil işleme, video ve görüntü tanıma, öneri sistemleri ve arama dahil olmak üzere analitik ve üretken yapay zeka genelinde çok sayıda etki alanında ve durumda kullanılır.
Vektör deposu nedir?
Vektör deposu (vektör veritabanı olarak da adlandırılır), vektör eklemelerini depolayan ve yöneten bir veritabanıdır. Vektör eklemeleri, verilerin yüksek boyutlu bir alanda matematiksel temsilleridir.
Bu alanda, her boyut verilerin bir özelliğine karşılık gelir. Gelişmiş verileri temsil etmek için on binlerce boyut kullanılabilir. Vektörlerin bu boşluktaki konumu, özelliklerini temsil eder. Sözcükler, tümcecikler, tüm belgeler, görüntüler, ses ve diğer veri türlerinin tümü vektörleştirilebilir.
Vektör deposu nasıl çalışır?
Vektör deposunda, eklemeleri dizine almak ve sorgulamak için vektör arama algoritmalarını kullanırsınız. İyi bilinen vektör arama algoritmaları arasında Disk Yaklaşık En Yakın Komşu (DiskANN), Hiyerarşik Gezinilebilir Küçük Dünya (HNSW) ve Düz Sıkıştırmalı Ters Dosya (IVFFlat) vardır.
Vektör arama, bir özellik alanında tam eşleşmeler yerine veri özelliklerine göre benzer öğeleri bulmanıza yardımcı olan bir yöntemdir. Bu teknik, benzer metin arama, ilgili görüntüleri bulma, önerilerde bulunma ve hatta anomalileri algılama gibi uygulamalarda kullanışlıdır.
Vektör araması, bir gömme API'si aracılığıyla bir makine öğrenmesi modeli kullanarak oluşturduğunuz verilerinizin vektör gömmelerini sorgulamak için kullanılır. Ekleme API'lerine örnek olarak Azure OpenAI Eklemeleri ve Azure'da YüzLeri Kucaklama verilebilir.
Vektör araması, veri vektörleri ile sorgu vektörünüzün arasındaki mesafeyi ölçer. Sorgu vektörünüzle en yakın veri vektörleri, anlamsal olarak en benzer olanlardır.
PostgreSQL için Azure Veritabanı'nı vektör deposu olarak kullanırken, özgün verilerin yanı sıra eklemeleri depolayabilir, dizinleyebilir ve sorgu ekleyebilirsiniz. Bu yaklaşım, verileri ayrı ve saf bir vektör veritabanında çoğaltmanın ek maliyetini ortadan kaldırır.
Bu mimari ayrıca vektör eklemelerini ve özgün verileri bir arada tutar. Eklemeleri ve verileri bir arada tutmak, çok modüllü veri işlemlerini daha iyi kolaylaştırır. Ayrıca daha fazla veri tutarlılığı, ölçeklendirme ve performans sağlar.