‫ جستجوی برداری (Vector Search) چیست؟

1. تولید بردارها (Vector Embeddings): داده‌های ورودی مانند متن، تصویر یا صدا توسط مدل‌های یادگیری ماشین به بردارهای عددی تبدیل می‌شوند. این بردارها معمولاً شامل صدها یا هزاران عدد هستند که هر یک جنبه‌ای از داده را نشان می‌دهند.
2. ذخیره‌سازی بردارها: بردارها در پایگاه‌های داده برداری (Vector Databases) مانند Weaviate، Pinecone یا Qdrant ذخیره می‌شوند. این پایگاه‌ها به‌گونه‌ای طراحی شده‌اند که بتوانند به‌سرعت بردارهای مشابه را پیدا کنند.
3. جستجوی مشابهت: هنگام دریافت پرس‌وجو (Query)، آن نیز به یک بردار تبدیل شده و با بردارهای موجود در پایگاه داده مقایسه می‌شود. معیارهای فاصله مانند فاصله اقلیدسی (Euclidean Distance) یا شباهت کسینوسی (Cosine Similarity) برای یافتن نزدیک‌ترین بردارها استفاده می‌شوند.
4. بازیابی نتایج: داده‌های مرتبط با بردارهای نزدیک به‌عنوان نتایج جستجو بازگردانده می‌شوند.

• جستجوی معنایی (Semantic Search): یافتن اسناد یا محصولات مرتبط با پرس‌وجوهای کاربران، حتی اگر کلمات دقیقاً مطابقت نداشته باشند.
• سیستم‌های پیشنهاددهنده: پیشنهاد محصولات یا محتوا بر اساس رفتار کاربران.
• تحلیل داده‌های چندرسانه‌ای: جستجوی تصاویر یا ویدئوها در برنامه‌های دات‌نت.

CREATE EXTENSION vector;

CREATE TABLE items (
    id SERIAL PRIMARY KEY,
    content TEXT,
    embedding VECTOR(384)
);

from sentence_transformers import SentenceTransformer

model = SentenceTransformer('all-MiniLM-L6-v2')
sentences = ["This is a sample text", "Another example sentence"]
embeddings = model.encode(sentences)
print(embeddings)

public class Item
{
    public int Id { get; set; }
    public string Content { get; set; }
    public float[] Embedding { get; set; }
}

public class AppDbContext : DbContext
{
    public DbSet<Item> Items { get; set; }

    public AppDbContext(DbContextOptions<AppDbContext> options) : base(options) { }
}

public async Task<List<Item>> SearchAsync(float[] queryEmbedding, int limit = 5)
{
    using var ctx = new AppDbContext(_options);
    var queryVector = string.Join(",", queryEmbedding);
    var sql = $@"SELECT id, content, embedding
                 FROM items
                 ORDER BY embedding <-> '{queryVector}'::vector
                 LIMIT {limit}";

    return await ctx.Items
        .FromSqlRaw(sql)
        .ToListAsync();
}

CREATE INDEX ON items USING ivfflat (embedding vector_l2_ops);

• پیچیدگی مدل‌های یادگیری ماشین: تولید بردارهای باکیفیت نیازمند دانش در حوزه یادگیری ماشین است.
• مقیاس‌پذیری: پایگاه‌های داده برداری باید برای حجم بالای داده‌ها بهینه شوند.
• هزینه‌های محاسباتی: پردازش بردارها ممکن است منابع زیادی مصرف کند.