본문 바로가기 메뉴 바로가기

여분의 해마

프로필사진
  • 글쓰기
  • 관리
  • 태그
  • 방명록
  • RSS

여분의 해마

검색하기 폼
  • 분류 전체보기 (90) N
    • 개발일지 (19)
    • 지식그래프(Knowledge Graph) (11)
    • 파이썬(Python)&판다스(Pandas)&Pol.. (28)
    • 오류 해결 (12)
    • 논문 (7)
    • 스크랩 (4)
    • 스터디&세미나 (5) N
    • 자료구조알고리즘 (1)
  • 방명록

vertexai (1)
Vector Search and Embedding (2)

Create Vector Search벡터 검색 (Vector search)벡터 검색의 핵심은 임베딩을 준비한 뒤, 벡터 공간을 효율적으로 인덱싱하여 빠른 검색을 가능하게 하는 기술이다. 벡터 사이의 거리를 어떻게 측정할 지, 그리고 벡터 공간에서 어떻게 유사한 벡터를 빠르고 확장 가능하게 찾을 것인지가 주요 과제다.벡터 거리를 측정하는 방법은 Manhattan Distance, Euclidean Distance, Cosine Distance, Dot Product Similarity or Inner Product 네 가지 방법이 일반적이다. 단, 임베딩 모델 등 여러 요인을 생각하여 적절한 방식을 선택해야 한다.벡터 거리 측정 방법맨해튼 거리 (Manhattan Distance, L1 거리): 격자 패턴..

스터디&세미나 2025. 5. 8. 22:02
이전 1 다음
이전 다음
반응형
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
  • Portfolio
TAG
  • pdfmathtranslate
  • SPARQL
  • psycopg
  • LLM
  • vervel
  • TextRank
  • 키워드추출
  • pandas
  • vscode
  • 지식그래프
  • Claude
  • ChatGPT
  • deepseek
  • Vue3
  • geospy
  • rdffox
  • PEFT
  • cursorai
  • vectorsearch
  • writerow
  • python
  • rdflib
  • python'
  • PostgreSQL
  • polars
  • Encoding
  • Postgis
  • hadoop
  • vertorsearch
  • MongoDB
more
«   2025/05   »
일 월 화 수 목 금 토
1 2 3
4 5 6 7 8 9 10
11 12 13 14 15 16 17
18 19 20 21 22 23 24
25 26 27 28 29 30 31
글 보관함

Blog is powered by Tistory / Designed by Tistory

티스토리툴바