Nærvektorsøk

Nærvektorsøk er prosessen med å finne vektorer i et datasett som er nærmest en forespørselvektor under en valgt avstandsmål. Dette er et sentralt problem i høy-dimensional dataanalyse, særlig når data representeres som embeddede vektorer fra maskinlæring, som bilde-, tekst- eller lydrepresentasjoner. Vanlige avstands- eller likhetsmål inkluderer euklidsk avstand, cosinuslikhet og Manhattan-avstand.

Det finnes eksakte og tilnærmede tilnærminger. Eksakt nærvektorsøk returnerer den faktisk nærmeste naboen, men kan være kostbart i tid og minne for store datasett. Tilnærmede metoder søker raskere svar ved å akseptere en viss feilgrad, noe som ofte gir betydelig raskere søk i praksis.

Vanlige metoder og datastrukturer inkluderer brute force-søk, som sjekker alle vektorer og gir nøyaktighet til kostnad av tid. For større eller høyere dimensjoner brukes indekser som KD-trær og Ball-trær i lavere dimensjoner, mens høyere dimensjoner ofte løses med tilnærmede teknikker som Locality-Sensitive Hashing (LSH), grafbaserte metoder som HNSW (Hierarchical Navigable Small World), eller kvantiseringsteknikker som IVF/PQ og produktrangering. Mange moderne løsninger bruker kombinasjoner i biblioteker som FAISS, Annoy eller NMSLIB.

Anvendelser spenner fra bilde- og videoretrieval, tekstoppløsning og tekstbaserte embeddings til anbefalingssystemer, bioinformatiske søk og anomalideteksjon. Valg av metode avhenger av dimensjonalitet, datasettstørrelse, oppdateringshyppighet og ønsket balanse mellom nøyaktighet og responstid.