Microsoft
Axtarış motorlarında vektor yaddaşından istifadə ideyasının kifayət qədər uzun müddətdir ki, mövcud olmasına baxmayaraq, praktikada vektorlarla əməliyyatların yüksək resurs intensivliyi və miqyaslanma məhdudiyyətləri ilə onların həyata keçirilməsinə mane olur. Dərin maşın öyrənmə üsullarının təxmini ən yaxın qonşu axtarış alqoritmləri ilə birləşdirilməsi vektor sistemlərinin performansını və miqyasını böyük axtarış sistemləri üçün məqbul səviyyəyə çatdırmağa imkan verdi. Məsələn, Bing-də 150 milyard vektordan çox vektor indeksi üçün ən uyğun nəticələri əldə etmək vaxtı 8 ms-dir.
Kitabxana indeks yaratmaq və vektor axtarışlarını təşkil etmək üçün alətlər, həmçinin çox böyük vektor kolleksiyalarını əhatə edən paylanmış onlayn axtarış sistemini saxlamaq üçün alətlər dəsti daxildir.
Kitabxana, kolleksiyada işlənmiş və təqdim olunan məlumatların əlaqəli vektorlar şəklində formatlanmasını nəzərdə tutur.
Eyni zamanda, vektor axtarışı mətnlə məhdudlaşmır və multimedia məlumatlarına və şəkillərinə, həmçinin tövsiyələrin avtomatik yaradılması sistemlərində tətbiq oluna bilər. Məsələn, PyTorch çərçivəsinə əsaslanan prototiplərdən biri, vektor dəstlərinə çevrilmiş heyvanların, pişiklərin və itlərin təsvirləri ilə bir neçə istinad kolleksiyasından alınan məlumatlardan istifadə etməklə qurulmuş şəkillərdəki obyektlərin oxşarlığına əsaslanan axtarış üçün vektor sistemini tətbiq etdi. . Axtarış üçün daxil olan bir şəkil alındıqda, maşın öyrənmə modelindən istifadə edərək vektora çevrilir, bunun əsasında SPTAG alqoritmindən istifadə edərək indeksdən ən oxşar vektorlar seçilir və nəticədə əlaqəli şəkillər geri qaytarılır.
Mənbə: opennet.ru