向量检索高级参数

本文介绍如何设置向量检索高级参数。

设置 多向量检索时每个向量的候选个数

title_vector = [0.1, 0.2, 0.3, 0.4]content_vector = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6]vectors = {    "title": VectorQuery(vector=title_vector, num_candidates=10),    "content": VectorQuery(vector=content_vector),}ret = collection.query(    vector=vectors,    topk=20,)

上面的代码中，设置 title 向量召回 10 条结果，content 向量没有设置 num_candidates，召回 topk=20 条结果。

开启线性（暴力）检索

print(collection.query(vector=VectorQuery(np.random.rand(768), is_linear=True)))

重要

1. 生产环境不建议开启线性检索，检索性能会显著下降。

2. 开启线性检索后，不一定保证召回达到 100%.

3. 2.1 对于开启量化的集合，会使用量化后的数据做计算，召回可能小于 100%.

4. 2.2 对于未开启量化的集合，召回为 100%.

调整 HNSW 检索的 ef 参数

print(collection.query(vector=VectorQuery(np.random.rand(768), ef=100)))

通过调整 ef 值，可以在检索性能和召回之间获得一定的权衡：增大 ef 值，会提升召回但可能降低检索性能；减小 ef 值，会提高检索性能但可能降低召回。

ef 的取值范围为[0, 4294967295]，其中 0 表示使用默认 ef 值。

说明

1. ef 取值超过一定值之后可能性能/召回结果达到稳定，取更大的值也不再变化。

2. 建议生产环境不要使用过大的 ef，以免影响检索效率。

RNN 检索

RNN(Radius nearest neighbour)在一般的向量检索基础上增加了限制条件，只返回距离 query 向量的距离不超过阈值 radius 的文档。

print(collection.query(vector=VectorQuery(np.random.rand(768), radius=1.0)))

对于不同的距离类型，radius 含义不同

1. 对于欧式距离和余弦距离，返回 score <= radius 的 doc。

2. 对于内积距离，返回 score >= radius 的 doc。

说明

RNN 检索返回的结果条数仍然受 topk 限制。

阿里云向量检索服务 DashVector 免费试用进行中，玩转大模型搜索，快来试试吧~了解更多信息，请点击

了解更多阿里云向量检索服务DashVector的使用方法，请点击