翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# ベクトルインデックス
<a name="indexes-vector"></a>

ベクトルインデックスは、ドキュメントのコレクションに保存されているベクトルデータを効率的にクエリおよび管理するために設計された特殊なタイプのインデックスです。Amazon DocumentDB は、階層ナビゲーション可能スモールワールド (HNSW) インデックスとフラット圧縮 (IVFFlat) インデックスを持つ反転ファイルをサポートしています。

詳細については、「[Amazon DocumentDB のベクトル検索](vector-search.md)」を参照してください。

ベクトルインデックスは、次のような機械学習や生成 AI のユースケースに役立ちます。
+ セマンティック検索
+ 製品のレコメンデーション
+ パーソナライゼーション
+ チャットボット
+ 不正検出
+ 異常検出

## サポートされているインデックスプロパティ
<a name="indexes-vector-properties"></a>


| オプション | 3.6 | 4.0 | 5.0 | 8.0 | Elastic クラスター | 
| --- | --- | --- | --- | --- | --- | 
| [[名前]](index-property-name.md) | いいえ | なし | はい | はい | いいえ | 

## ベクトルインデックスの作成
<a name="indexes-vector-creating"></a>

`runCommand()` メソッドで createIndex コマンドを使用して、ベクトルインデックスを作成します。構文は次のとおりです。

```
db.runCommand({
  "createIndexes": "<collection>", 
  "indexes": [{
    "key": {
      "<field>": "vector"
    },
    "name": "<name>",
    "vectorOptions": {
      "type": "<hnsw> | <ivfflat>",
      "dimensions": <number of dimensions>,
      "similarity": "<euclidean>|<cosine>|<dotProduct>",
      "lists": <number_of_lists> [applicable for IVFFlat],
      "m": <max number of connections> [applicable for HNSW],
      "efConstruction": <size of the dynamic list for index build> [applicable for HNSW]
    }
  }] 
})
```

キーパラメータは、フィールドとベクトルインデックスタイプを指定する JSON ドキュメントです。

```
{
  "<field>": "vector"
}
```

ベクトル[インデックスの作成例](index-properties.md)については、「インデックスプロパティ」を参照してください。