Base de données vectorielle
Une base de données vectorielle est une base de données utilisée pour stocker des vecteurs à haute dimension (« haute dimension » signifie ici que les vecteurs stockés dans cette base possèdent un très grand nombre de composantes — souvent des centaines ou des milliers — ce qui permet de représenter finement des données complexes comme du texte, des images ou de l’audio tout en compressant les données).
Ce type de base permet d'effectuer des recherches de données en fonction de leur similarité. Elle est généralement utilisée avec les grands modèles linguistiques (LLM)[1].
Exemples d'implémentations
modifierRéférences
modifier- ↑ (en) Samrat Sahoo, Nitin Paul, Agam Shah, Andrew Hornback et Sudheer Chava, « The Universal NFT Vector Database: A Scaleable Vector Database for NFT Similarity Matching », sur arxiv.org, .
- ↑ (en-US) Sawers, « Qdrant, an open source vector database startup, wants to help AI developers leverage unstructured data », TechCrunch, (consulté le ).
- ↑ (en) « llama_index/llama_index/vector_stores/simple.py at main · run-llama/llama_index », GitHub (consulté le ).
- ↑ (en) « llama_index/llama_index/vector_stores at main · run-llama/llama_index », GitHub (consulté le ).
- ↑ « Simple Vector Store - LlamaIndex 🦙 0.6.5 », gpt-index.readthedocs.io (consulté le ).
- ↑ « Using Vector Stores - LlamaIndex 🦙 0.6.5 », gpt-index.readthedocs.io (consulté le ).
- ↑ « pgvector: Open-source vector similarity search for Postgres ».
- ↑ (en-US) « MariaDB Vector », sur MariaDB.org (consulté le ).
- ↑ (en-US) « Vector search in old and modern databases », sur manticoresearch.com (consulté le ).
- ↑ « Thistle: A Vector Database in Rust ».
