向量检索高级参数_向量检索服务(VRS)-阿里云帮助中心

本文介绍如何设置向量检索高级参数。

使用数据类型定义可以设置检索时的高级参数。

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

生产环境不建议开启线性检索，检索性能会显著下降。
开启线性检索后，不一定保证召回达到100%.
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%.
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)))

HNSW索引中，ef表示检索过程中的候选集个数，具体可参考这里。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

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。
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

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