什么网站做外贸最好,坪地网站建设公司,贵州网站制作公司,陕西建设监理证书查询网站数据库管理159期 2024-03-11 数据库管理-第159期 Oracle Vector DB AI-10#xff08;20240311#xff09;1 其他distance函数2 实例演示使用其他函数寻找最近向量点函数变体简写语法 总结 数据库管理-第159期 Oracle Vector DB AI-10#xff08;20240311#x… 数据库管理159期 2024-03-11 数据库管理-第159期 Oracle Vector DB AI-10202403111 其他distance函数2 实例演示使用其他函数寻找最近向量点函数变体简写语法 总结 数据库管理-第159期 Oracle Vector DB AI-1020240311 作者胖头鱼的鱼缸尹海文 Oracle ACE Associate: DatabaseOracle与MySQL 国内某科技公司 DBA总监 10年数据库行业经验现主要从事数据库服务工作 拥有OCM 11g/12c/19c、MySQL 8.0 OCP、Exadata、CDP等认证 墨天轮MVP、认证技术专家、年度墨力之星ITPUB认证专家OCM讲师 圈内拥有“总监”、“保安”、“国产数据库最大敌人”等称号非著名社恐社交恐怖分子 公众号胖头鱼的鱼缸CSDN胖头鱼的鱼缸尹海文墨天轮胖头鱼的鱼缸ITPUByhw1809。 除授权转载并标明出处外均为“非法”抄袭。 写了些其他的东西又休息了几天今天继续。 在前面我演示了vector_distance()的默认算法方式即Euclidean Squared欧几里得平方。本期我将演示其他的distance函数。
1 其他distance函数
在Oracle AI Vector Search中还有其他几种类型的distance函数
Cosine Similarity余弦相似度Dot Product点积Manhattan Distance曼哈顿距离Hamming Distance汉明距离
在vector_distance()函数中默认为EUCLIDEAN指定其他distance函数则使用一下方法
vector_distance(v1, v2, EUCLIDEAN);vector_distance(v1, v2, COSINE);vector_distance(v1, v2, DOT);vector_distance(v1, v2, MANHATTAN);vector_distance(v1, v2, HAMMING);
2 实例演示
本节内容仍使用上一期的VT2表使用向量点(16,4)进行演示不同的函数结果略有不同
使用其他函数寻找最近向量点
Cosine Similarity 我们不关心实际距离而是关心距离最小的行的ID
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector_distance( vector([16, 4]), v, COSINE)
FETCH FIRST 4 ROWS ONLY;Euclidean Similarity 我们不关心实际距离而是关心距离最小的行的ID
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector_distance( vector([16, 4]), v, EUCLIDEAN)
FETCH FIRST 4 ROWS ONLY;Dot Product 我们不关心实际距离而是关心距离最小的行的ID
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector_distance(vector([16, 4]), v, DOT)
FETCH FIRST 4 ROWS ONLY;Manhattan 我们不关心实际距离而是关心距离最小的行的ID
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector_distance(vector([16, 4]), v, MANHATTAN)
FETCH FIRST 4 ROWS ONLY;Hamming 我们不关心实际距离而是关心距离最小的行的ID。还要注意的是搜索的结果与我们之前使用其他函数看到的结果不同
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector_distance( vector([16, 4]), v, HAMMING)
FETCH FIRST 4 ROWS ONLY;函数变体
distance函数还有一些其他的变体写法
L1_DISTANCE(v1, v2) MANHATTAN distanceL2_DISTANCE(v1, v2) EUCLIDEAN distanceCOSINE_DISTANCE(v1, v2) COSINE similarityINNER_PRODUCT(v1, v2) DOT product
L1_DISTANCE 我们不关心实际距离而是关心距离最小的行的ID
SELECT id, vsize, shape, color
FROM vt2
ORDER BY L1_DISTANCE(vector([16, 4]), v)
FETCH FIRST 4 ROWS ONLY;L2_DISTANCE 我们不关心实际距离而是关心距离最小的行的ID
SELECT id, vsize, shape, color
FROM vt2
ORDER BY L2_DISTANCE(vector([16, 4]), v)
FETCH FIRST 4 ROWS ONLY;COSINE_DISTANCE
SELECT id, vsize, shape, color
FROM vt2
ORDER BY COSINE_DISTANCE( vector([16, 4]), v)
FETCH FIRST 4 ROWS ONLY;INNER_PRODUCT
SELECT id, vsize, shape, color
FROM vt2
ORDER BY INNER_PRODUCT(vector([16, 4]), v)
FETCH FIRST 4 ROWS ONLY;简写语法
distance函数还有一些简写写法
v1 - v2 Euclidean distancev1 v2 Cosine similarityv1 # v2 Negative dot product
v1 - v2
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector([16, 4]) - v
FETCH FIRST 4 ROWS ONLY;**v1 v2 **
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector([16, 4]) v
FETCH FIRST 4 ROWS ONLY;v1 # v2
SELECT id, vsize, shape, color
FROM vt2
ORDER BY vector([16, 4]) # v
FETCH FIRST 4 ROWS ONLY;总结
本期针对不同写法的不同distance函数。 本系列内容预计还有2-4篇分别为其他vector函数一个相对复杂的demo演示以及与PGVector的对比。 老规矩知道写了些啥。
