向量数据库对AI大模型的空间边界扩展有何意义？ - 飞书文档
https://docs.feishu.cn/v/wiki/CyTZwy5LWiH2JgkZgBEc8SfnnXd/ab当我们需要查找与某个查询向量相似的数据点时，近似搜索算法会在这个高维空间中快速定位到与查询向量距离较近的数据点。这种相似性度量通常基于向量之间的距离（如欧氏距离、 ...
飞搜侠
热门搜索
向量数据库的向量索引算法，你了解多少？ - 飞书文档
https://docs.feishu.cn/v/wiki/AqE9wnKLsiT73yk4yGWc3AJhn6g/acVector DB 通过使用诸如余弦相似度、欧氏距离、Jaccard 相似度等度量方法[6] ... 这些方法都是基于精确距离计算或者近似距离计算的方法。这就像是在超市里，商品被 ...
RAG的召回率怎样才算高？ - 飞书文档
https://docs.feishu.cn/v/wiki/NiDWwYqG3iBrTzkAjWcc4smhn0l/ae余弦相似度或欧氏距离等方法来计算两个向量之间的相似度，这在文本形式下是难以实现的。 数字向量可以被高效地存储在向量数据库中. 跨模态应用：数字向量表示使得文本 ...
一文读懂：大模型RAG（检索增强生成） - 飞书文档
https://docs.feishu.cn/article/wiki/KVIBwTxnrixYrFkT7oycPX7QnBg... 方式融合，提升召回率。 相似性检索：即计算查询向量与所有存储向量的相似性得分，返回得分高的记录。常见的相似性计算方法包括：余弦相似性、欧氏距离、曼哈顿距离等。
一文读懂：大模型RAG（检索增强生成） - Feishu
https://agijuejin.feishu.cn/wiki/KVIBwTxnrixYrFkT7oycPX7QnBg在应用阶段，我们根据用户的提问，通过高效的检索方法 ... 常见的相似性计算方法包括：余弦相似性、欧氏距离、曼哈顿距离等。 ... 计算距离。. 为了实现1w+元素规模的高效检索 ...
大模型RAG 场景、数据、应用难点与解决 - 飞书文档
https://docs.feishu.cn/v/wiki/Z5TJw2EnQiAC4aknM1Ecvg1NnZb/ae... 计算公式或企业自定义计算公式；. 要建立**数据库查询 ... 然后，通过比较这些字符与其他字符的距离，它组成适当的单词、句子、行和文本段落。 ... 欧氏距离、曼哈顿 ...
探索基于流形的提示学习标签空间重嵌入在不同模型中的应用 - 飞书文档
https://docs.feishu.cn/v/wiki/BllGwAuIFiiwhRklGRjczoCwnah/a2由于向量间的欧氏距离并没有考虑到嵌入空间中的潜在流形，我们采用了一种基于流形的标签空间重嵌入方法来重构[MASK]的表征。
图神经网络与几何深度学习的关联 - 飞书文档
https://docs.feishu.cn/v/wiki/OmzZwKmNRiCmzkkKGaUc5IPunDc/a2... 欧氏空间”。更精确地说， **n维流形**（ *n *-manifold），简称**n流形**，是一个 ... 距离不同的双曲距离，该距离由arcosh 函数定义。 双曲图卷积神经网络 ...
向量数据库的技术原理对其发展有何影响？ - 飞书文档
https://docs.feishu.cn/v/wiki/C9hAwiKkQiX1aWkRBu8c9HMRnBh/aj向量数据库通过使用诸如余弦相似度、欧氏距离、Jaccard 相似度等度量方法，以及 ... 正如东北证券观点，AI化的本质则是向量化，向量化计算成本高昂，海量的高维 ...
多向量检索器：优化RAG过程的工具 - 飞书文档
https://docs.feishu.cn/v/wiki/UgmlwJ6iVio89nk4BCEcTyjtnWg/a5SFT 需要准备和整理高质量的训练数据集、定义微调目标以及相应的计算资源。 ... **相似度检索**：包括欧氏距离、曼哈顿距离、余弦等；. **关键词检索**：这是很 ...