Vector Search
Vector search exact words కంటే meaning ఆధారంగా content ను కనుగొంటుంది. Text high-dimensional embeddings గా మారుతుంది, cosine distance వంటి similarity metric query vector కి stored vectors ఎంత దగ్గరగా ఉన్నాయో rank చేస్తుంది; keywords match కాకపోయినా conceptually related passages return అవుతాయి.
పర్యాయపదాలు: semantic search, similarity search, nearest-neighbor search, embedding search
Vector search semantic retrieval ను power చేస్తుంది: strings match చేయడం బదులు meaning match చేస్తుంది. Query indexed content ఉన్న అదే vector space లో embed అవుతుంది, index distance metric ద్వారా nearest vectors return చేస్తుంది. Scale లో fast గా ఉండటానికి production systems approximate nearest-neighbor indexes వాడతాయి; భారీ latency gains కోసం చిన్న accuracy trade-offs అంగీకరిస్తాయి. Exact identifiers pure semantic matching లో పోకుండా ఉండటానికి vector search ను hybrid retriever లో keyword search తో pair చేస్తే అత్యంత ప్రభావవంతం.