Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Búsqueda vectorial
La búsqueda vectorial en Amazon OpenSearch Service te permite buscar contenido semánticamente similar mediante incrustaciones de aprendizaje automático en lugar de la tradicional coincidencia de palabras clave. La búsqueda vectorial convierte sus datos (texto, imágenes, audio, etc.) en vectores numéricos de alta dimensión (incrustaciones) que capturan el significado semántico del contenido. Al realizar una búsqueda, OpenSearch compara la representación vectorial de la consulta con los vectores almacenados para encontrar los elementos más similares.
La búsqueda vectorial incluye los siguientes componentes clave.
- Campos vectoriales
-
OpenSearch admite el tipo de
knn_vectorcampo para almacenar vectores densos con dimensiones configurables (hasta 16 000). - Métodos de búsqueda
-
-
k-NN (k-vecinos más cercanos): encuentra los k vectores más similares
-
K-nN aproximado: utiliza algoritmos como HNSW (Hierarchical Navigable Small World) para realizar búsquedas más rápidas en conjuntos de datos de gran tamaño
-
- Métricas de distancia
-
Admite varios cálculos de similitud, entre los que se incluyen:
-
Distancia euclidiana
-
Similitud coseno
-
Producto Dot
-
Casos de uso comunes
La búsqueda vectorial admite los siguientes casos de uso habituales.
-
Búsqueda semántica: busca documentos con un significado similar, no solo con palabras clave coincidentes
-
Sistemas de recomendación: sugiera productos, contenido o usuarios similares
-
Búsqueda de imágenes: busca imágenes visualmente similares
-
Detección de anomalías: identifique valores atípicos en los patrones de datos
-
RAG (Retrieval Augmented Generation): mejore las respuestas de LLM con un contexto relevante
Integración con machine learning
OpenSearch se integra con los siguientes servicios y modelos de aprendizaje automático:
-
Amazon Bedrock: para generar incrustaciones mediante modelos de base
-
Amazon SageMaker AI: para la implementación de modelos de aprendizaje automático personalizados
-
Modelos Hugging Face: modelos de incrustación previamente entrenados
-
Modelos personalizados: sus propios modelos de incrustación entrenados
Con la búsqueda vectorial, puede crear aplicaciones sofisticadas impulsadas por la IA que entiendan el contexto y el significado, y van mucho más allá de las capacidades tradicionales de coincidencia de texto.
