Qdrant - Vector Database
·
Garden如何利用Qdrant扩展专利智能
💡
原文英文，约600词，阅读约需3分钟。
📝
内容提要
Garden利用Qdrant的可过滤向量搜索技术，加速全球专利分析。通过将超过2亿个专利转化为有意义的向量，Garden实现了快速、高效的专利与产品匹配，显著降低了查询延迟和成本，创造了新的商业机会。
🎯
关键要点
- Garden利用Qdrant的可过滤向量搜索技术，加速全球专利分析。
- Garden将超过2亿个专利转化为有意义的向量，实现快速、高效的专利与产品匹配。
- Garden的客户需要在几秒钟内比较数百万个专利-产品配对。
- 每个专利包含超过2000个元数据字段，Garden将专利分割成语义上有意义的块，生成数亿个向量。
- Garden最初的解决方案无法满足工程需求，导致高成本和过滤限制。
- 通过使用Qdrant的过滤HNSW，Garden实现了所需的搜索语义和24×7的操作支持。
- Garden的查询延迟从250-400毫秒降低到不到100毫秒。
- Garden的存储成本降低了约10倍，能够存储10倍的数据量。
- Qdrant的使用使Garden能够推出全新的业务线——高置信度的侵权检测。
- 随着客户基础的增长，Garden计划对每个专利进行更深入的丰富，提取结构化事实。
❓
延伸问答
Garden如何利用Qdrant加速专利分析？
Garden利用Qdrant的可过滤向量搜索技术，将超过2亿个专利转化为有意义的向量，从而实现快速、高效的专利与产品匹配。
Garden在专利分析中面临哪些挑战？
Garden最初的解决方案无法满足工程需求，导致高成本和过滤限制，且缺乏基础设施可见性，故障排除缓慢且昂贵。
使用Qdrant后，Garden的查询延迟有何变化？
使用Qdrant后，Garden的查询延迟从250-400毫秒降低到不到100毫秒。
Qdrant如何帮助Garden降低存储成本？
Qdrant的使用使Garden的存储成本降低了约10倍，能够存储10倍的数据量。
Garden推出了哪些新业务线？
Garden推出了高置信度的侵权检测业务，客户可以在几分钟内获得分析结果。
Garden如何处理专利的元数据？
Garden将每个专利分割成语义上有意义的块，生成数亿个向量，以便进行高效的比较和分析。
➡️
