向量检索
此方式需要比较每一个向量，因此它的搜索速度较慢，但是召回率可以达到百分之百。欧氏距离、内积距离，余弦相似度三种距离相似度的精确检索使用方式如下：欧氏距离 SELECT ID,l2_distance(,array[1,2,3.N]:float4[])as score FROM...
向量检索使用指南
使用精准检索，虽然在大数据量场景下的搜索速度会较慢，但召回率可以达到100%。获取余弦相似度，且输出TopK结果的示例如下：/*polar4ai*/SELECT 'distance(name,[1,2,3,4,5])' FROM table_name WHERE type=1 LIMIT 10/*polar4ai*/SELECT id...
非结构化数据向量检索
在某些融合查询场景中，这种方式可能会影响最终召回率，可以通过增大 numShards 和_l_vector_topk_的值，减少这种方式带来的影响。SELECT/*+_l_vector_topk_(100)*/id,_vector_score_FROM vector_table WHERE age>18 and age(vector_column...
混合检索使用指南
这时为了提高召回率，可以选择使用双路召回来丰富召回的策略。双路召回一般会通过向量检索和全文检索分别召回部分数据，然后再做精排蒸馏，后处理等以获得更佳的召回效果。AnalyticDB PostgreSQL版 既支持高性能向量检索，又支持高性能全文...
功能优势
高维向量数据的高准度和高性能 以典型的人脸512维向量为例，分析型数据库MySQL版向量分析提供百亿向量100 QPS、50毫秒响应时间（RT）约束下99%的数据召回率；两亿向量1000 QPS、1秒 RT约束下99%的数据召回率。结构化和非结构化混合检索 ...
TairVector性能白皮书
以下为不同数据集下，TairVector HNSW索引的“QPS-召回率”曲线，可以得出：在4个数据集下，HNSW索引都可以达到99%以上的召回率。相比较FLOAT32，FLOAT16数据类型的性能略有下降，但是幅度不大，二者表现非常接近。开启AUTO_GC功能后，查询...
单据票证信息抽取
单字段-检测F1值：综合评价指标（F1-Measure），未经规则后处理修正，为字段检测框精确率和召回率的加权调和平均，常用于评价检测模型的好坏。单字段-准确率：算法模型字段识别准确率（Accuracy），未经规则后处理修正。即测试集中该字段中...
单据票证信息抽取
单字段-检测F1值：综合评价指标（F1-Measure），未经规则后处理修正，为字段检测框精确率和召回率的加权调和平均，常用于评价检测模型的好坏。单字段-准确率：算法模型字段识别准确率（Accuracy），未经规则后处理修正。即测试集中该字段中...
多分类评估
一、组件说明 多分类模型的评估任务，可以输出准确率、召回率值等。组件截图 二、参数说明 参数名称 参数说明 标签字段 样本的label标签，用于当做Ground Truth，用于评估。单选。预测结果详情列 每个label及其对应的概率值。若需要计算AUC...
横向多分类评估
一、组件说明 横向多分类模型的评估任务，可以输出准确率、召回率值等。支持使用单方或多方联合数据，评估横向多分类模型。组件截图 二、参数说明 参数名称 参数说明 标签字段 样本的label标签，用于当做Ground Truth，用于评估。单选。...
量化使用
Proxima 2.x开始支持converter，用于实现对数据做量化、归一化等功能。...对于某种向量检索算法而言，它的召回率指的是：对于某个query，它通过该算法召回的doc与通过暴力比对召回的doc之间的近似程度，召回率越高说明该检索算法越准确。
高维向量相似度搜索（pgvector）
lists和probes对查询效率以及召回率起着相反的作用，因此合理地设置这两个值可以在查询效率以及召回率上达到一个平衡。根据表中行数（rows）的不同，建议设置的lists和probes值如下：小于等于100万行：lists=rows/1000、probes=lists/10 ...
规格计算器
向量算法：可根据需求进行选择，目前支持三种算法：HNSW：基于图的向量检索算法，召回率极高且性能很好，内存及存储占用与Linear相当，在低维度和高维度向量数据集上均有很好的表现，适用于大多数向量检索场景。QC：基于量化聚类的向量检索...
模型管理
1.单模型详情 模型在产出的同时上传的数据会按照8:2的比例拆分为训练集和测试集 20%的...模型列表 呈现公有云平台上的所有模型，可对模型进行新增、删除、下载配置文件、查看等操作 展示单个模型的名称、状态、mAP值、精确率和召回率等信息
使用向量检索插件（aliyun-knn）
性能指标 hnsw linear top10召回率 98.6%100%top50召回率 97.9%100%top100召回率 97.4%100%延迟（p99）0.093s 0.934s 延迟（p90）0.018s 0.305s 说明 表中的p表示百分比，例如延迟（p99）表示99%的查询能在多少秒返回。前提条件 安装向量...
表指标
数据节点包含每秒请求数、请求耗时、获取返回字段耗时、返回结果数、向量召回率、向量索引查询耗时 指标项 含义 每秒请求数 每秒请求的次数 请求耗时 请求表数据所耗费的时间 获取返回字段耗时 获取返回字段所耗费的时间 返回结果数 返回...
API概览
人工审核 接口 说明/green/image/manual/asyncScan 如果您对识别结果的准确率和召回率要求非常高，可以调用图片人工审核功能。green/video/manual/asyncScan 如果您对识别结果的准确率和召回率要求非常高，可以调用视频人工审核功能。green...
2022年1月6日 V5.3产品更新通告
FAQ模型优化 平均准确率和召回率提升5%左右。具体更新能力如下：引擎问答阈值配置【入口】机器人管理-问答策略管理-引擎问答阈值配置 重听产品化【入口】外呼导航机器人管理-问答策略管理-重听话术配置 重听作为语音场景下，当用户没听清...
同义词
在现实生活中，相同语义的表述词汇往往有很多，而用户在检索的时候很难在一条 query 中将它们全部体现，所以识别和提供同义词检索显然可以获得更高的召回率。同义词功能主要是对查询词进行同义扩展，扩大召回和查询词同义的文档。例：...
Proxima Searcher
该值越大，扫描doc数越多，召回率越高 proxima.hnsw.searcher.max_scan_ratio float 0.1f 用在检索时，控制最多扫描文档的比例。例如如果当前索引中有100w doc，如果此值为0.1，则最多扫描10w。如果ef值提前收敛，则不会扫描到10w proxima....
车辆物流识别
驾驶证的总体准确率和召回率在95%以上。（示例图片信息已做脱敏处理，具体结果以API测试为准）车辆vin码识别 读光车辆识别代码（VIN）识别，用于进行车辆质检检查、车辆登记等场景。（示例图片信息已做脱敏处理，具体结果以API测试为准）面...
实例指标
SEARCHER-QUERY（数据节点-查询相关）指标项 含义 qps 数据节点查询qps totalLatency 数据节点查询耗时 fetchFieldsLatency 数据节点获取召回结果耗时 vectorSeekCount 向量检索seek doc数 vectorRecallRatio 向量检索召回率 ...
数据节点（Searcher）指标
doc 数 matchDocSize Searcher 上第一阶段返回的 matchDoc 实际数量 totalFetchSummarySize Searcher 上取 summary 的数量 aitheta_seek_sount 向量索引seek的文档个数 aitheta_recall_ratio 向量索引的召回率 Searcher索引相关指标 名字 ...
哈希分片全链路测试
算法对比：对每个数据集，通过执行不同算法（Graph、HC、Linear），得到Proxima CE结果和C++ baseline的结果，对比各自的召回率，此处设置的TopK为100。Proxima CE的recall是通过从query表中采样100条query数据做的召回，主要是与Linear...
实例指标
seek_count 数据节点aitheta寻求计数 aitheta_recall_ratio 数据节点aitheta召回率 aitheta_seek_latency 数据节点aitheta寻求延迟 after_search_latency 数据节点排序结束到最终返回结果耗时 request_pool_wait_time 数据节点查询请求在...
查询分析——电商场景
在现实生活中，相同语义的表述词汇往往有很多，而用户在检索的时候很难在一条 query 中将它们全部体现，所以识别和提供同义词检索显然可以获得更高的召回率。同义词功能主要是对查询词进行同义扩展，扩大召回和查询词同义的文档。实体识别...
2000W FLOAT512 量化
CE hash with int8 quantize 19730 3699 390分钟 由于2000W*2000W数据跑线性结果时间过长，因此此处使用100W数据，doc表得到的召回如下：说明 Recall@1表示TopK为1时doc表的召回率，Recall@50、Recall@100、Recall@200以此类推。...
参考：内核参考
值越大一般召回率越多，但最多不会超过 proxima.hc.searcher.scan_count_in level 中指定的中心点下doc数量。proxima.hnsw.searcher.max_scan_ratio FLOAT 0.1f 用于计算 max_scan_count 数量，总doc数量*scan_ratio。proxima.hnsw....
高维向量检索（PASE）
注意事项 索引会有膨胀，大约的膨胀率可以通过 select pg_relation_size(' index名称 ');查询，当膨胀远大于数据的大小，并且查询有明显变慢时，需要重建索引。数据频繁更新后索引会不精确，如果要求绝对准确，需要定期重建索引。IVFFlat...
高维向量检索（PASE）
注意事项 索引会有膨胀，大约的膨胀率可以通过 select pg_relation_size(' index名称 ');查询，当膨胀远大于数据的大小，并且查询有明显变慢时，需要重建索引。数据频繁更新后索引会不精确，如果要求绝对准确，需要定期重建索引。IVFFlat...
layer子句
主要功能是增强查询语法对于召回过程的控制能力，让应用可以根据自己的使用场景来加速文档召回过程，提高系统整体性能，扩充的功能主要有以下几点：允许用户通过某些方式选择召回的区间 对于不同区间可以选择召回的先后顺序 对于不同区间...
layer子句
主要功能是增强查询语法对于召回过程的控制能力，让应用可以根据自己的使用场景来加速文档召回过程，提高系统整体性能，扩充的功能主要有以下几点：允许用户通过某些方式选择召回的区间 对于不同区间可以选择召回的先后顺序 对于不同区间...
layer子句
主要功能是增强查询语法对于召回过程的控制能力，让应用可以根据自己的使用场景来加速文档召回过程，提高系统整体性能，扩充的功能主要有以下几点：允许用户通过某些方式选择召回的区间 对于不同区间可以选择召回的先后顺序 对于不同区间...
高效向量检索（PASE）
注意事项 索引会有膨胀，大约的膨胀率可以通过 select pg_relation_size('index名称');查询，当膨胀远大于数据的大小，并且查询有明显变慢时，需要重建索引。数据频繁更新后索引会不精确，如果要求绝对准确，需要定期重建索引。IVFFlat索引...
layer子句
主要功能是增强查询语法对于召回过程的控制能力，让应用可以根据自己的使用场景来加速文档召回过程，提高系统整体性能，扩充的功能主要有以下几点：允许用户通过某些方式选择召回的区间 对于不同区间可以选择召回的先后顺序 对于不同区间...
通用设置
您可以根据业务需要配置采样率，采样率可以取默认值1或者取[1,100]区间范围内10的整数倍值，例如10、20。重要 提升采样率时，会额外收取rate%的费用。例如采样率为20%会额外收取20%*VUM的费用。建连超时时间 用于控制PTS压测引擎与服务端...
通用设置
您可以根据业务需要配置采样率，采样率可以取默认值1或者取[1,100]区间范围内10的整数倍值，例如10、20。重要 提升采样率时，会额外收取rate%的费用。例如采样率为20%会额外收取20%*VUM的费用。建连超时时间 用于控制PTS压测引擎与服务端...
数据规范
召回集合 的类型为 STRING，其值表示多对 召回物品 与 召回分 的集合，格式形如：<召回物品1>:<召回分1><召回物品2>:<召回分2>……，其中每一对就对应了一个召回关系。注册时，aime会将每一对中的 召回物品 解析为 分列字段，而将 召回分 ...
推荐解决方案综述
您可以将向量放至ES引擎中，并添加向量检索插件，从而使每个向量可以召回相似向量。建议先对Item进行分类，再在同一个大类中查找相似向量。如果没有对Item进行分类，则可以标注部分Item，并将其作为分类模型。基于用户行为的推荐场景 拥有...
查询推流域名流帧率和码率
使用说明 调用本接口查询的推流实时码率和帧率可以用来感知上行推流质量。数据采集和统计有一定延迟，建议查询5分钟前的数据。说明 请使用本接口替换原有的DescribeLiveStreamsFrameRateAndBitRateData（已废弃）接口。QPS限制 本接口的单...
- 产品推荐
- 这些文档可能帮助您