این شرکت می‌گوید الگوریتم جستجوی BM42 Qdrant بازیابی دقیق‌تر و کارآمدتری را برای برنامه‌های کاربردی نسل افزوده بازیابی ارائه می‌کند.
ارائه‌دهنده پایگاه داده برداری منبع باز Qdrant BM42 را راه‌اندازی کرده است، یک الگوریتم جستجوی ترکیبی مبتنی بر برداری با هدف ارائه دقیق‌تر و بازیابی کارآمد برای برنامه‌های تولید افزایش یافته بازیابی (RAG). Qdrant گفت که BM42 بهترین جستجوی سنتی مبتنی بر متن و جستجوی مبتنی بر برداری را برای کاهش هزینه‌های برنامه‌های RAG و AI ترکیب می‌کند.
BM42 Qdrant در ۲ ژوئیه معرفی شد. به گفته Qdrant، موتورهای جستجوی سنتی کلمات کلیدی، با استفاده از الگوریتم‌هایی مانند BM25، بیش از ۵۰ سال است که وجود دارند و برای بازیابی دقیق مورد نیاز در برنامه‌های مدرن بهینه‌سازی نشده‌اند. در نتیجه، آنها با خواسته‌های خاص RAG، به‌ویژه با بخش‌های کوتاهی که به زمینه بیشتری برای اطلاع‌رسانی جستجو و بازیابی موفق نیاز دارند، دست و پنجه نرم می‌کنند. Qdrant گفت که دور شدن از یک جستجوی مبتنی بر کلمه کلیدی به یک جستجوی کاملاً برداری شده یک استاندارد صنعتی جدید ارائه می دهد.
“BM42، برای متون کوتاه که در سناریوهای RAG برجسته تر هستند، کارایی رویکردهای جستجوی متن سنتی، به علاوه زمینه بردارها را فراهم می کند، بنابراین انعطاف پذیرتر، دقیق تر و کارآمدتر است.” -بنیانگذار، گفت. او اضافه کرد که این کمک می کند تا جستجوی برداری به طور جهانی قابل اجرا باشد.
بر خلاف جستجوی سنتی مبتنی بر کلیدواژه مناسب برای محتوای طولانی، BM42 بردارهای پراکنده و متراکم را برای مشخص کردن اطلاعات مرتبط در یک سند ادغام می‌کند. به گفته این شرکت، بردار پراکنده مطابقت دقیق عبارت را نشان می دهد، در حالی که بردارهای متراکم ارتباط معنایی و معنای عمیق را کنترل می کنند.
پست های مرتبط
Qdrant از جستجوی ترکیبی مبتنی بر برداری برای RAG پرده برداری کرد
Qdrant از جستجوی ترکیبی مبتنی بر برداری برای RAG پرده برداری کرد
Qdrant از جستجوی ترکیبی مبتنی بر برداری برای RAG پرده برداری کرد