首页
/ Infinity项目中向量搜索相似度评分的获取方法解析

Infinity项目中向量搜索相似度评分的获取方法解析

2025-06-20 09:11:55作者:范靓好Udolf

在Infinity数据库项目中进行向量相似度搜索时,开发者经常需要获取搜索结果的相关性评分。本文将详细介绍如何正确获取不同相似度度量方式下的评分结果。

相似度评分字段的区别

Infinity项目针对不同类型的相似度计算提供了三种不同的评分字段:

  1. _score:专用于全文搜索中的BM25评分算法
  2. _similarity:用于稠密或稀疏向量搜索中的IP(内积)和cosine(余弦)相似度计算
  3. _distance:用于稠密向量搜索中的L2(欧几里得距离)度量

实际应用示例

余弦相似度场景

当使用余弦相似度进行向量搜索时,应该使用_similarity字段来获取评分结果:

res = table_text.output(["uuid", "file_path", "chunk_content", "_similarity"]
                      ).match_dense(
                      "chunk_embed", query_embed, "float", "cosine", k,
                      {"threshold": "0.5"}
                      ).to_df()

L2距离场景

对于使用欧几里得距离(L2)的搜索,则应使用_distance字段:

res = table_obj.output(["c1", "_distance"]).match_dense(
      "c2", [0.1, 0.1, 0.1, 0.1], "float", "l2", 1
      ).to_df()

注意事项

  1. 确保使用的评分字段与搜索时指定的相似度度量方式匹配
  2. 不同度量方式返回的评分范围不同:
    • 余弦相似度:-1到1之间
    • L2距离:0到正无穷(越小表示越相似)
  3. 可以通过设置threshold参数来过滤低质量结果

最佳实践建议

  1. 对于文本语义搜索,推荐使用余弦相似度配合_similarity字段
  2. 对于图像或推荐系统场景,根据需求选择L2距离或余弦相似度
  3. 在结果展示时,建议对原始评分进行归一化处理,提高可读性

通过正确使用这些评分字段,开发者可以更精确地控制搜索结果的质量,并为用户提供更相关的信息。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.18 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
208
285
pytorchpytorch
Ascend Extension for PyTorch
Python
62
95
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
977
575
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
550
86
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
1.2 K
133