Qdrant - Vector Database
·
发现需要上下文
💡
原文英文，约1200词，阅读约需5分钟。
📝
内容提要
发现搜索是一种强大的工具，通过正负向量约束搜索空间，帮助用户在向量空间中进行更有控制的探索，适用于多模态搜索和多样化推荐，提升用户体验。
🎯
关键要点
-
发现搜索是一种强大的工具，通过正负向量约束搜索空间，帮助用户在向量空间中进行更有控制的探索。
-
在发现搜索中，用户可以定义目标和上下文，目标是主要关注点，上下文是正负向量对。
-
使用多模态编码器（如CLIP）进行图像搜索时，可以通过文本或图像查询来搜索，发现搜索可以帮助排除不相关的结果。
-
上下文搜索通过随机选择向量空间中的点，解决了推荐系统中相似性泡沫的问题，提供多样化的推荐。
-
通过提供更多的上下文对，用户可以不断优化搜索结果，获得更符合需求的推荐。
❓
延伸问答
发现搜索的主要功能是什么？
发现搜索通过正负向量约束搜索空间，帮助用户在向量空间中进行更有控制的探索。
如何使用发现搜索进行图像搜索？
可以通过多模态编码器（如CLIP）使用文本或图像查询进行图像搜索，并通过添加负向例子来排除不相关的结果。
上下文在发现搜索中有什么作用？
上下文由正负向量对组成，可以帮助定义搜索空间的超平面，从而优化搜索结果。
什么是上下文搜索，它与发现搜索有什么不同？
上下文搜索只提供上下文而不指定目标，适用于探索定义的空间，而发现搜索则需要同时提供目标和上下文。
发现搜索如何解决推荐系统中的相似性泡沫问题？
通过随机选择向量空间中的点，发现搜索可以提供多样化的推荐，避免用户陷入相似性泡沫。
用户如何优化发现搜索的结果？
用户可以通过提供更多的上下文对，不断优化搜索结果，以获得更符合需求的推荐。
➡️
