目录
背景
Binary Embedding
界说与特点
常见算法
应用场景
间隔丈量的方式
Jaccard
Hamming
代码实现
Index
BIN_FLAT
BIN_IVF_FLAT
Sparse embeddings
界说
应用场景
长处
实现方式
间隔丈量方式
IP
Index
SPARSE_INVERTED_INDEX
应用场景
优势
SPARSE_WAND
工作原理
性能特点
应用场景
小结
背景
接着上面的Milvus metric 及index 继续写下剩余的两种方式。这样对于 vector db 的metric 及index 你将全面明白并学会利用。由于当你看完 Chroma 源码，再看Milvus 时，某些时间总会产生共鸣，虽然两个都是很优秀的开源vector db，来自差别的设计团队，但是你总能感受到来自底层 design 的共鸣。比如对于 HNSW 算法，设置M，efConstruction，ef 都是不变的旋律。或许高手忘记所有招式，只重其意，不看其形，那就能自创门派了。
Binary Embedding
顾名思义，就是二进制嵌入，说直白点就是只有 0 与 1 的编码。这里不是指盘算机底层硬件表示，无论怎样目前都是0 与 1 的存储，是指上层应用转换为了一组0 与 1 的 向量存储。
简单来说，二进制嵌入是嵌入技术中的一种，它主要将高维数据转换为低维的二进制向量表示。这种表示方法具有存储效率高、盘算速率快等长处，因此在很多领域，如信息检索、推荐体系、图像辨认等中得到了广泛应用。以下是对Binary embeddings的详细解释：
界说与特点
- 界说：Binary embeddings是指将原始数据（如文本、图像等）通过某种算法转换成固定长度的二进制向量（即只包罗0和1的向量）的过程。
- 特点</
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
