datawhalechina / what-is-vs

What is Vector Search

Made by DALL·E

本项目旨在创建一个全面、易于理解的向量检索教程，它将覆盖从基础理论到核心技术的各个方面。教程将通过详细的解释、实例和实践案例，帮助初学者、研究人员以及应用人员深入理解并有效地使用向量检索技术。

下图是机器之心联合 Datawhale 和向量检索实验室一起出品的向量数据库知识图谱，让大家初步了解一下向量检索领域。

项目受众

初学者，希望从基础了解向量检索。
相关领域的研究人员，需要了解最新技术和应用。
应用人员，需要实际开发应用向量检索技术。

Roadmap

第一部分：引言和基础知识
- 引言
  - 什么是向量检索
  - 为什么向量检索重要
  - 教程目标和读者指南
第二部分：核心技术
- 向量化技术
  - 非结构化数据
  - 非结构化数据向量化
- 向量索引
  - 向量索引概述
    - 概述
    - 评估技术
  - 基于量化的向量索引方法
  - 基于哈希的向量索引方法
  - 基于树的向量索引方法
  - 基于图的向量索引方法
  - 基于混合的向量索引方法
- 向量查询
  - 向量查询方法
  - 向量查询方法概述
  - k近邻查询
  - 范围查询
  - 混合查询
  - 多向量查询
  - 其它查询
  - 查询优化
- 向量索引优化策略
  - 查询负载驱动的参数优化策略
  - 数据驱动的空间划分策略
  - 基于硬件加速的向量索引方法
第三部分：系统实现与应用
- 向量数据库系统概述
  - 向量数据库的基本构成与工作原理
  - 市面主流向量数据库系统比较
- 基于RAG的知识问答系统实战
第四部分：未来展望和挑战
- 新兴技术趋势
- 面临的挑战
  - 数据隐私和安全问题
  - 行业发展趋势和未来应用场景
结语
- 总结
- 附录：进一步阅读资源和工具列表

参与贡献

如果你想参与到项目中来欢迎查看项目的 Issue 查看没有被分配的任务。
如果你发现了一些问题，欢迎在 Issue 中进行反馈🐛。

如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 Datawhale 贡献指南。

贡献者名单

姓名	职责	简介
苏鹏	项目负责人	Datawhale成员
李剑楠	项目主要贡献者	华东师范大学硕士
向隆	项目主要贡献者	南方科技大学博士
王泽宇	项目主要贡献者	复旦大学博士
王梦召	项目主要贡献者	浙江大学博士
田冰	项目主要贡献者	华中科技大学博士
韩颐堃	项目主要贡献者

分工请见：立项申请（what-is-vs #184）

关注我们

扫描下方二维码关注公众号：Datawhale

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

About