surrealdb-vector

SurrealDB ベクトル検索

HNSW インデックス

基本的な HNSW インデックスを作成します：

DEFINE INDEX hnsw_idx ON pts FIELDS point HNSW DIMENSION 4;

特定の距離関数と型を指定する場合：

DEFINE INDEX hnsw_idx ON pts FIELDS point HNSW DIMENSION 4 DIST EUCLIDEAN TYPE F64;

使用可能な型：F64、F32、I64、I32、I16。

テーブル全体の例

DEFINE TABLE OVERWRITE document SCHEMALESS;
DEFINE FIELD OVERWRITE embedding ON document TYPE array<float>;
DEFINE INDEX OVERWRITE hnsw_idx_document ON document
    FIELDS embedding
    HNSW DIMENSION 384
    DIST COSINE
    TYPE F32
    EFC 150 M 12 M0 24;

HNSW パラメータ

パラメータ	説明
DIMENSION	ベクトルの次元数（埋め込みと一致させる必要があります）
DIST	距離関数：COSINE、EUCLIDEAN など
TYPE	数値型：F64、F32、I64、I32、I16
EFC	構築時の探索努力（大きいほどインデックスの精度が向上）
M	ノードごとの最大接続数
M0	レイヤ0での最大接続数

ベクトルのクエリ

<|K, EF|> 演算子は KNN 検索を実行します。K は結果の数、 EF は探索努力です（大きいほど高精度ですが、低速になります）。

推奨される努力値：

• 40 — デフォルト、良好な精度
• 17 — 高速ですが、一部の結果を見逃す可能性があります

基本的な KNN クエリ

SELECT
    *,
    vector::distance::knn() AS dist
FROM document
WHERE embedding <|10, 40|> $vector;

vector::distance::knn() は、インデックスで定義された距離関数を使用します。

しきい値を指定したスコア付き結果

SELECT *, score
FROM (
    SELECT *, (1 - vector::distance::knn()) AS score
    FROM document
    WHERE embedding <|20, 40|> $vector
)
WHERE score >= $threshold
ORDER BY score DESC;