Elpam

NNDescent算法算法的目标是为数据集中每个点构建一个近似的 k-近邻图（k-NN graph），即每个点维护 k 个最近邻的 id。 为什么需要近似：如果对 n 个点做精确 kNN（暴力）代价是 $O(n^2 d)$，数据很大时不可行；NNDescent 用局部传播，大幅减少距离计算量，但通常能得到高质量近邻。 NNDescent的主要思想是“邻居的邻居也是邻居”，想象一下，你要在一个陌生的城市里找到最好的餐馆。你不会盲目地随机寻找，而是会： 先问几个朋友他们喜欢的餐馆（初始随机邻居） 然后问这些餐馆的老板，他们推荐附近还有什么好餐馆（探索邻居的邻居） 不断重复这个过程，你的餐馆清单就会越来越优质 这就是NNDescent算法的核心思想——通过朋友的朋友来发现高质量的关系。 算法流程： 初始化：为每个点随机选一些邻居（不是目标k，而是初始化选多一些 l），这些作为候选集。 迭代传播：重复下面过程多次（iter)： 对每个点 i，从它的候选邻居中选出“new”和“old”（new 是最近一次新加入的候选），并对这些邻居做成对比较（neighbor-of-neighbor...

向量数据库简介向量数据库（Vector Database）是一种专门用于存储、管理和检索高维向量（High-Dimensional Vectors）的数据库。它与我们熟悉的传统关系型数据库（如 MySQL）有根本性的不同，传统数据库处理的是结构化的表格数据，通过精确匹配或范围查询来检索数据。而向量数据库处理的是非结构化的数据（如图片、文本、音频、视频）转换而来的向量，并通过计算向量之间的“相似度”来检索数据。 核心思想：将非结构化数据转换为计算机可以理解和处理的数据形式（向量），并通过相似性搜索来找到“意思上”或“内容上”相近的数据。向量数据库的核心价值就是实现高效的“相似性搜索”（Similarity Search）或“最近邻搜索”（Nearest Neighbor Search）。 人工智能和机器学习（AI/ML）的发展使得我们能够建立一种称为嵌入模型（Embedding Model）的机器学习模型。嵌入模型将各种类型的数据编码为向量，以便捕捉资产的意义和上下文。这使得我们能够通过搜索相邻的数据点来找到相似的资产。向量搜索方法提供了独特的体验，例如用智能手机拍照然后...