Infinity项目中向量搜索相似度评分的获取方法解析

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。