OpenSearch图搜图、文搜图向量检索最佳实践

一、向量检索介绍

1.1 多模态信息的典型特点-非结构化

信息可以被划分为两大类：当信息能够用数据或统一的结构加以表示，称之为结构化数据；当信息无法用数字或统一的结构表示，称之为非结构化数据。非结构数据与结构化数据相比较而言，更难让计算机理解。

以搜索为例：需要将非结构化数据→转为结构化→再完成搜索；

1.2 向量检索的定义与应用

1.2.1 什么是向量检索？

将物理世界产生的非结构化数据，转化为结构化的多维向量，用这些向量标识实体和实体间的关系。

再计算向量之间距离，通常情况下，距离越近、相似度越高，召回相似度最高的TOP结果，完成检索。

向量检索其实离我们很近：以图搜图、同款比价、个性化搜索、语义理解……

1.2.2 向量检索典型应用场景

1.图像/视频/语音 多模态检索

图搜购物、同款比价，拍照搜题、图片识别等；

2.NLP 文本检索

标准地址库检索、企业机构名称检索、通过补充向量语义召回，提升搜索效果；

3.搜索推荐广告

相似推荐、个性化搜索等；

4.向量检索几乎能够应用到AI领域的所有场景。