Microsoft
Unatoč činjenici da je ideja o korištenju vektorske pohrane u tražilicama lebdjela već duže vrijeme, u praksi je njihova implementacija otežana visokim resursnim intenzitetom operacija s vektorima i ograničenjima skalabilnosti. Kombinacija metoda dubokog strojnog učenja s približnim algoritmima pretraživanja najbližeg susjeda omogućila je dovođenje performansi i skalabilnosti vektorskih sustava na razinu prihvatljivu za velike tražilice. Na primjer, u Bingu, za vektorski indeks od preko 150 milijardi vektora, vrijeme za dohvaćanje najrelevantnijih rezultata je unutar 8 ms.
Knjižnica uključuje alate za izradu indeksa i organiziranje pretraživanja vektora, kao i skup alata za održavanje distribuiranog online sustava pretraživanja koji pokriva vrlo velike zbirke vektora.
Knjižnica podrazumijeva da su podaci obrađeni i predstavljeni u zbirci formatirani u obliku povezanih vektora koji se mogu usporediti na temelju
Istodobno, vektorsko pretraživanje nije ograničeno na tekst i može se primijeniti na multimedijske informacije i slike, kao iu sustavima za automatsko generiranje preporuka. Na primjer, jedan od prototipova temeljen na okviru PyTorch implementirao je vektorski sustav za pretraživanje na temelju sličnosti objekata na slikama, izgrađen pomoću podataka iz nekoliko referentnih zbirki sa slikama životinja, mačaka i pasa, koje su pretvorene u skupove vektora . Kada se dolazna slika primi za pretraživanje, ona se pomoću modela strojnog učenja pretvara u vektor, na temelju kojeg se pomoću SPTAG algoritma iz indeksa biraju najsličniji vektori, a pridružene slike se vraćaju kao rezultat.
Izvor: opennet.ru