向量数据库能够通过向量搜索（Vector Search），实现更为高效、准确的执行和结果输出。当前主流的数据库检索采用关键词搜索（Keyword Search）的方式，将搜索关键词与数据库中的值进行匹配，根据词汇相似性、单词出现的频率，得到输出结果。关键词检索的缺点在于，其对于语义相同、表达方式不同的文本理解能力较差，且不具备多模态或多语言的检索能力。向量搜索利用神经网络模型，将对象（如文本和图像）和查询表示为高维向量，采用 K 近邻法（KNN，K-Nearest Neighbor）或近似临近算法（ANN，Approximate Nearing Neighbor），计算目标对象与数据库中向量嵌入的距离（通常采用余弦距离、欧氏距离等方法）以表示两者的相似度，并按照向量的相似度进行排序，返回结果。同关键词搜索相比，向量搜索能够实现对语义更为精准的理解，在多模态、不同语言等环境下能够输出更为准确的结果。例如：英文的 Capital 可以指“资本”或者“首都”，“从中国去美国”和“从美国去中国”存在方向，传统的数据库不能很好地解决这些问题。
研搜
0731-84720580
商务合作：really158d
下载Excel
下载图片
原图定位
打包全文图表
收藏
2026-07-30
原图定位
微信扫码登录
手机快捷登录
账号登录
