南大通用GBase 8c分布式数据库(gbase database)通过内置 DataVec 引擎,把向量检索能力直接做进一体化数据库,在保留 ACID 事务与完整 SQL 生态的前提下,实现亿级数据的毫秒级相似检索。
大模型有三个天然短板:知识有截止时间、无法直接访问企业私有数据、容易产生"幻觉"。RAG 的思路是: 先从知识库中检索出与问题相关的片段,再把片段作为上下文交给大模型生成答案。GBase 8c向量数据库在其中承担"语义检索"的角色:企业文档、产品手册、历史工单被切分、向量化后入库;用户提问时,问题同样被向量化,检索出最相关的若干片段,让模型的回答 有据可依。
把"用户画像"和"物品特征"都表示为向量,通过计算用户向量与物品向量的相似度,实现个性化的内容分发。抖音的"为你推荐"、电商的"猜你喜欢",背后都是大规模向量相似度计算。
文本、图像、音频被映射到统一的高维向量空间后,就可以实现"以文搜图""以图搜图"。以图搜图尤其能体现向量数据库的价值:系统提取图片的特征向量,再在库中做相似匹配,而不是依赖文件名或人工打标。
正常行为的数据在向量空间中会形成密集的簇群, 偏离簇群的"离群点"即为异常。基于距离计算,当偏离值超过阈值时触发告警,可应用于金融欺诈识别、工业产品瑕疵检测等场景。
来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/69979120/viewspace-3189604/ ,如需转载,请注明出处,否则将追究法律责任。