如何将过滤最佳拟合到向量相似性搜索中.docx
25墨值下载
如何将过滤最佳拟合到向量相似性搜索中
了解向量相似度搜索中的三种属性过滤，探索如何提高相似度搜索的效率和准确性。
属性过滤，或简称“过滤”，是矢量数据库用户所希望的基本功能。然而，这样一个简单的功能面临着巨大的复
杂性。
假设史蒂夫在社交媒体平台上看到了一位时尚博主的照片。他想在支持图像相似度搜索的在线购物平台上搜索
类似的牛仔夹克。将图片上传到平台后，史蒂夫看到了大量类似牛仔夹克的结果。然而，他只穿李维斯。然后
需要对图像相似度搜索的结果进行品牌过滤。但问题是何时应用过滤器？它应该在近似最近邻搜索（ANNS）
之前还是之后应用？
本文旨在分析向量数据库中三种常见的属性过滤机制的优缺点，进而探讨开源向量数据库 Milvus
提供的集成
过滤解决方案。本文还提供了一些关于过滤优化的建议。
属性过滤的三种一般类型
属性过滤一般分为三种：查询后过滤、查询内过滤和查询前过滤。每种类型都有自己的优点和缺点。
查询后过滤
顾名思义，查询后过滤将过滤条件应用于您在查询后获得的 TopK 结果。例如，在开头提到的案例中，系统首
先在其库存中搜索最相似的牛仔夹克。然后根据其品牌元数据过滤结果。
of 11
25墨值下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论