Búsqueda vectorial

La búsqueda vectorial en Amazon OpenSearch Service te permite buscar contenido semánticamente similar mediante incrustaciones de aprendizaje automático en lugar de la tradicional coincidencia de palabras clave. La búsqueda vectorial convierte tus datos (texto, imágenes, audio, etc.) en vectores numéricos de alta dimensión (incrustaciones) que capturan el significado semántico del contenido. Al realizar una búsqueda, OpenSearch compara la representación vectorial de la consulta con los vectores almacenados para encontrar los elementos más similares.

La búsqueda vectorial incluye los siguientes componentes clave.

Campos vectoriales

OpenSearch admite el tipo de knn_vector campo para almacenar vectores densos con dimensiones configurables (hasta 16.000).

Métodos de búsqueda

• k-NN (k-vecinos más cercanos): encuentra los k vectores más similares

• K-nN aproximado: utiliza algoritmos como HNSW (Hierarchical Navigable Small World) para realizar búsquedas más rápidas en conjuntos de datos de gran tamaño

Métricas de distancia

Admite varios cálculos de similitud, entre los que se incluyen:

• Distancia euclidiana

• Similitud coseno

• Producto Dot

Casos de uso comunes

La búsqueda vectorial admite los siguientes casos de uso comunes.

• Búsqueda semántica: busca documentos con un significado similar, no solo con palabras clave coincidentes

• Sistemas de recomendación: sugiera productos, contenido o usuarios similares

• Búsqueda de imágenes: busca imágenes visualmente similares

• Detección de anomalías: identifique valores atípicos en los patrones de datos

• RAG (Retrieval Augmented Generation): mejore las respuestas de LLM con un contexto relevante

Integración con el aprendizaje automático

OpenSearch se integra con los siguientes servicios y modelos de aprendizaje automático:

• Amazon Bedrock: para generar incrustaciones mediante modelos de base

• Amazon SageMaker AI: para la implementación de modelos de aprendizaje automático personalizados

• Modelos Hugging Face: modelos de incrustación previamente entrenados

• Modelos personalizados: sus propios modelos de incrustación entrenados

La búsqueda vectorial le permite crear aplicaciones sofisticadas impulsadas por la IA que comprenden el contexto y el significado, lo que va mucho más allá de las capacidades tradicionales de coincidencia de texto.