faiss.METRIC_INNER_PRODUCT 和faiss.METRIC_L2

faiss.METRIC_INNER_PRODUCT 和faiss.METRIC_L2使用中注意事项与代码实现

faiss.METRIC_INNER_PRODUCT

1. 定义：表示使用向量的内积（点积）来度量相似度。内积越大，表示两个向量越相似。
2. 应用场景：通常用于处理归一化（单位长度）的向量，因为内积在这种情况下等价于余弦相似度。余弦相似度衡量的是向量之间的夹角，而不是它们的长度。

faiss.METRIC_L2

1. faiss.METRIC_L2 表示使用欧几里得距离（L2 范数）来度量相似度。欧几里得距离越小，表示两个向量越相似。
2. 应用场景：适用于一般的向量相似度度量，不要求向量归一化。

代码示例

dim, measure = Vector_numpy_array.shape[1], faiss.METRIC_INNER_PRODUCT  #Vector_numpy_array.shape[1]表示向量维度 #faiss.METRIC_L2
param = 'HNSW64' 
faiss_index = faiss.index_factory(dim, param, measure)
faiss_index.add(Vector_numpy_array)

file_path = os.path.join(index_path, str(collection_name) + "_HNSW64.index")
faiss.write_index(faiss_index,file_path) #生成索引文件
faiss_index = faiss.read_index(file_path) #读取索引文件

注释：m3e向量化模型需要先执行faiss.normalize_L2()【将输入的向量转换为单位长度（即 L2 范数为 1），在使用内积（inner product）或余弦相似度（cosine similarity）进行相似度度量时】，bge_m3向量化模型不需要，与向量化模型训练有关？

区别：
度量方式：faiss.METRIC_INNER_PRODUCT 使用内积，而 faiss.METRIC_L2 使用欧几里得距离。
相似度方向：内积越大表示越相似，而欧几里得距离越小表示越相似。
归一化要求：内积通常用于归一化的向量，而欧几里得距离没有这个要求。