« Base de données vectorielles » : différence entre les versions
m (Remplacement de texte : « ↵↵<small> » par « ==Sources== ») |
m (Remplacement de texte : « ↵↵==Sources== » par « ==Sources== ») |
||
| (Une version intermédiaire par le même utilisateur non affichée) | |||
| Ligne 13 : | Ligne 13 : | ||
'''vector database''' | '''vector database''' | ||
==Sources== | ==Sources== | ||
[https://kdb.ai/blog/a-comprehensive-guide-to-vector-databases/#:~:text=A%20vector%20database%20is%20a,SQL%2C%20Java%2C%20and%20Tensorflow. Source : KXB] | [https://kdb.ai/blog/a-comprehensive-guide-to-vector-databases/#:~:text=A%20vector%20database%20is%20a,SQL%2C%20Java%2C%20and%20Tensorflow. Source : KXB] | ||
Dernière version du 30 août 2024 à 13:54
Définition
Les bases de données vectorielles sont des bases de données spécialement conçues pour effectuer une recherche approximative du plus proche voisin sur de grands ensembles de vecteurs de grande dimension (généralement plus de 100 dimensions et parfois plus de 10 000). Ces vecteurs cherchent à représenter la sémantique de données non structurées.
Compléments
Une base de données vectorielle est un système de gestion de bases de données (SGBD) spécialisé qui stocke des vecteurs contextuels denses en utilisant des techniques innovantes pour le stockage, l'indexation et le traitement des requêtes.
Les bases de données vectorielles permettent de stocker et de récupérer des vecteurs sous forme de points en hautes dimensions. Elles ajoutent des fonctionnalités supplémentaires pour une recherche efficace et rapide des voisins les plus proches dans l'espace à N-dimensions. Elles sont généralement alimentées par des index construits à l'aide d'algorithme comme kPPV (algorithme des k plus proches voisins) et l'algorithme de l'index inversé (IVF).
Français
base de données vectorielles
Anglais
vector database
Sources
Contributeurs: Patrick Drouin, wiki
