Vektor-Suche - OpenSearch Amazon-Dienst

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Vektor-Suche

Die Vektorsuche in Amazon OpenSearch Service ermöglicht Ihnen die Suche nach semantisch ähnlichen Inhalten mithilfe von maschinellem Lernen statt herkömmlichem Keyword-Matching. Die Vektorsuche konvertiert Ihre Daten (Text, Bilder, Audio usw.) in hochdimensionale numerische Vektoren (Einbettungen), die die semantische Bedeutung des Inhalts erfassen. Wenn Sie eine Suche durchführen, OpenSearch vergleicht die Vektordarstellung Ihrer Abfrage mit den gespeicherten Vektoren, um die ähnlichsten Elemente zu finden.

Die Vektorsuche umfasst die folgenden Schlüsselkomponenten.

Vektor-Felder

OpenSearch unterstützt den knn_vector Feldtyp zum Speichern dichter Vektoren mit konfigurierbaren Abmessungen (bis zu 16.000).

Suchmethoden

  • k-NN (k-nächste Nachbarn): Findet die k ähnlichsten Vektoren

  • Ungefährer k-NN: Verwendet Algorithmen wie HNSW (Hierarchical Navigable Small World) für schnellere Suchen in großen Datensätzen

Entfernungsmetriken

Unterstützt verschiedene Ähnlichkeitsberechnungen, darunter:

  • Euklidische Entfernung

  • Kosinusähnlichkeit

  • Punktes Produkt

Häufige Anwendungsfälle

Die Vektorsuche unterstützt die folgenden häufigen Anwendungsfälle.

  • Semantische Suche: Finden Sie Dokumente mit ähnlicher Bedeutung, nicht nur nach passenden Schlüsselwörtern

  • Empfehlungssysteme: Schlagen Sie ähnliche Produkte, Inhalte oder Nutzer vor

  • Bildersuche: Finden Sie visuell ähnliche Bilder

  • Erkennung von Anomalien: Identifizieren Sie Ausreißer in Datenmustern

  • RAG (Retrieval Augmented Generation): Verbessern Sie die LLM-Antworten mit relevantem Kontext

Integration mit maschinellem Lernen

OpenSearch lässt sich in die folgenden Dienste und Modelle für maschinelles Lernen integrieren:

  • Amazon Bedrock: Zum Generieren von Einbettungen mithilfe von Fundamentmodellen

  • Amazon SageMaker AI: Für die Bereitstellung benutzerdefinierter ML-Modelle

  • Hugging Face Face-Modelle: Vortrainierte Einbettungsmodelle

  • Benutzerdefinierte Modelle: Ihre eigenen trainierten Einbettungsmodelle

Die Vektorsuche ermöglicht es Ihnen, anspruchsvolle KI-gestützte Anwendungen zu entwickeln, die Kontext und Bedeutung verstehen und damit weit über herkömmliche Textvergleichsfunktionen hinausgehen.