Vektör veritabanı, embedding vektörlerini saklayan ve bir sorguya anlamca en yakın kayıtları çok hızlı bulabilen özel veritabanıdır.
Vektör Veritabanı ne demek?
Klasik veritabanları tam eşleşme ya da kelime araması yapar; vektör veritabanları ise "bu soruya anlamca en yakın 5 belge parçası hangisi?" sorusunu milyonlarca kayıt arasında milisaniyeler içinde cevaplar.
Pinecone, Weaviate, Qdrant, Milvus ve PostgreSQL için pgvector bilinen örneklerdir. RAG sistemlerinin hafızası çoğunlukla bir vektör veritabanıdır.
Yakın kavramlar
Embedding (Gömme)EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını temsil eden ve anlamca yakın içeriklerin birbirine yakın düştüğü sayısal vektördür.Ajanlar, RAG & Araç KullanımıRAGRetrieval-Augmented GenerationRAG (erişimle güçlendirilmiş üretim), bir dil modelinin cevap üretmeden önce ilgili bilgileri bir belge kaynağından bulup bu bilgilere dayanarak cevap vermesini sağlayan yöntemdir.Ajanlar, RAG & Araç KullanımıAnlamsal AramaSemantic SearchAnlamsal arama, aranan kelimelerin birebir geçip geçmediğine değil, sorgunun anlamına en uygun içerikleri bulan arama yöntemidir.Ajanlar, RAG & Araç KullanımıHibrit AramaHybrid SearchHibrit arama, anlamsal (vektör) aramayı klasik anahtar kelime aramasıyla birleştirerek her ikisinin güçlü yanlarından yararlanan arama yöntemidir.Ajanlar, RAG & Araç KullanımıKosinüs BenzerliğiCosine SimilarityKosinüs benzerliği, iki vektörün yönlerinin ne kadar benzediğini -1 ile 1 arasında bir sayıyla ölçen ve embedding'ler arasındaki anlam yakınlığını hesaplamada kullanılan yöntemdir.Ajanlar, RAG & Araç Kullanımı