4 prós e contras de 2024: edição de banco de dados vetorial

Se suas recomendações ainda forem semelhantes em 2024, você está fazendo errado (respeitosamente).

Aqui está um resumo do que está dentro e fora do mundo dos bancos de dados vetoriais em 2024.

1. Foi lançado um tipo de recomendação; um conjunto balanceado está presente

❌ Out: oferece apenas 1 tipo de busca como Top-K. Não me interpretem mal, o top-K é fundamental para a pesquisa vetorial, mas às vezes fornece recomendações de itens muito semelhantes, afetando a qualidade da recomendação. Só porque alguém ouve Adele nos dias tristes, não significa que queira ouvi-la o tempo todo.

✅ Em: A inclusão de pesquisa de intervalo garante um conjunto de resultados mais ✨equilibrado✨, permitindo definir um intervalo de distância para similaridade vetorial. Recomendações equilibradas ajudam a evitar recomendações muito semelhantes ou muito díspares.

2. Etapas extras para normalizar vetores foram eliminadas, usando similaridade de cosseno

❌ Fora: Dando um passo extra 👎para normalizar um vetor para medir semelhança (identificar sentenças ou frases que transmitem significados semelhantes entre si) ou parentesco em vários domínios.

✅ Em: Semelhança de cosseno permitindo que você normalize facilmente um vetor em uma única etapa 👍

3. A atualização de dados em várias etapas foi encerrada; Usar o Upsert para fazer isso perfeitamente está na moda

❌ Fora: atualização ineficiente de dados em um banco de dados em um processo frustrante de 😡duas etapas: excluir e inserir. Isso não pode garantir a atomicidade dos dados e a conveniência operacional.

✅ Em: Upsert simplifica o processo de atualização: caso não existam dados no sistema, ele os insere; se existir, ele o atualiza. 😀

4. A tríade do provedor de nuvem (AWS, GCP e Azure) está na moda

❌ Fora: Bancos de dados vetoriais não disponíveis na tríade de provedores de nuvem: AWS, GCP e Azure.

✅ In: bancos de dados vetoriais disponíveis em três principais provedores de nuvem 🌟(incluindo GCP Marketplace) e 8 regiões na América do Norte, Europa e Ásia 👀 Também conhecido como Nuvem Zilliz .

Um mundo com um banco de dados vetorial disponível em todas as três plataformas de nuvem não é mais imaginativo. É verdade com Zilliz Cloud.

Se você estiver interessado em experimentar pesquisa de intervalo, upsert e similaridade de cosseno (em qualquer uma das três plataformas de nuvem), comece aqui .

Haverá também um webinar ao vivo cobrindo esses recursos e muito mais no dia 1º de fevereiro. Registro aqui .

Haverá também uma sessão de perguntas e respostas ao vivo no Discord. Junte-se a nós aqui .