Vector Search
Hinahanap ng vector search ang content ayon sa kahulugan sa halip na eksaktong salita. Kino-convert ang text sa high-dimensional embeddings, at niraranggo ng similarity metric gaya ng cosine distance ang stored vectors ayon sa lapit nila sa query vector, nagbabalik ng conceptually related passages kahit walang keyword match.
Mga kasingkahulugan: semantic search, similarity search, nearest-neighbor search, embedding search
Pinapagana ng vector search ang semantic retrieval: sa halip na mag-match ng strings, minamatch nito ang kahulugan. Ini-embed ang query sa parehong vector space ng indexed content, at ibinabalik ng index ang pinakamalapit na vectors ayon sa distance metric. Para manatiling mabilis sa scale, gumagamit ang production systems ng approximate nearest-neighbor indexes na tumatanggap ng maliliit na accuracy trade-offs kapalit ng malaking latency wins. Pinakamabisa ang vector search kapag ipinares sa keyword search sa hybrid retriever, para hindi mawala ang exact identifiers sa pure semantic matching.