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...
模型训练
如果您的分类问题为单标签分类问题（即每一个样本都只有一个标签与之相对应），这时“预测的总样本数”与“所有类别的总样本数”是一样的，所以整体的精确率和召回率是一样的，导致 F1 值也跟精确率和召回率一样。如果您的分类问题为多标签...
模型训练
完成了数据集的构建，就可以开始模型的训练了。...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
模型训练
完成了数据集的构建，就可以开始模型的训练了。...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
模型配置
模型训练成功后，您可以查看训练中前10个最重要的特征，并通过模型验证了解该模型的准确率、召回率预期。前提条件 算法模型需要依赖行为数据集作为训练数据，经算法引擎学习后生成可用的模型。算法模型的优劣依赖于训练数据，数据质量越高...
模型训练
文本关系抽取-模型训练。完成了数据集的构建，就...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
模型训练
完成了数据集的构建，就可以开始模型的训练了。...召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。F1值：为精确率和召回率的调和平均数。
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...
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...
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。...
向量动态量化
背景介绍 量化（Quantization）是向量检索技术中一种常用的优化方法，通过一定程度的精度（召回率）损失，来换取性能的大幅度提升，以及内存占用（索引文件大小）大幅度降低。向量检索服务DashVector支持向量的动态量化，用户仅需在 新建...
模型配置
模型训练成功后，您可以通过模型验证了解该模型的准确率、召回率，并查看商品之间的关联关系。前提条件 算法模型需要依赖行为数据集、商品标签数据集作为训练数据，经算法引擎学习后生成可用的模型。算法模型的优劣依赖于训练数据，数据...
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
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 ...
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...
通用联邦学习模板
混淆矩阵：评估分类模型性能的一种重要工具，可以用来计算模型的准确率、精确率、召回率、F1得分等性能指标。其中，准确率指模型正确预测的样本数占总体样本数的比例；精确率指预测为正例的样本中实际为正例的比例；召回率指实际为正例的...
表格信息抽取
召回率：算法模型当前类型字段召回率（Recall），未经规则后处理修正，为所有真实为正类别的样本中，被正确识别为正类别的概率，即当类表格测试集中被正确识别的该类标注框（内容+位置）的比例。F1值：综合评价指标（F1-Measure），为精确...
表格信息抽取
召回率：算法模型当前类型字段召回率（Recall），未经规则后处理修正，为所有真实为正类别的样本中，被正确识别为正类别的概率，即当类表格测试集中被正确识别的该类标注框（内容+位置）的比例。F1值：综合评价指标（F1-Measure），为精确...
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...
AI任务概述
模型管理 模型评测 您可以通过Arena提交模型评测任务，对模型准确率、召回率等指标进行评测，查看或对比相应的评测结果。模型评测 模型分析优化 在模型正式部署前，您可以通过Arena提交模型性能分析和优化任务，使用Tensorflow Profiler，...
非结构化数据向量检索
说明 召回率的高低受多个参数影响，maximum_degree 的取值无法直接决定召回率的高低。ef_construct 否 100 HNSW算法的特定参数。取值范围：[maximum_degree,1000]。多数情况下，ef_construct 的取值越大，索引构建越慢，索引精度越高，召回...
ADP底座介绍
常见故障场景自动诊断：内置长期经验沉淀的运维知识库，自动识别常见故障问题，并提供故障处置建议。自动化巡检和告警通知：内置基础告警策略并可灵活配置，可对接多种告警通知方式，定期巡检，及时感知问题。业务数据的存储备份及还原：...
长文档信息抽取
召回率：算法模型召回率（Recall），未经规则后处理修正，为所有真实为正类别的样本中，被正确识别为正类别的比例，有正确预测的字段个数/所有真实正确的字段个数。F值：综合评价指标（F1-Measure），为精确率和召回率的加权调和平均，常...
长文档信息抽取
召回率：算法模型召回率（Recall），未经规则后处理修正，为所有真实为正类别的样本中，被正确识别为正类别的比例，有正确预测的字段个数/所有真实正确的字段个数。F值：综合评价指标（F1-Measure），为精确率和召回率的加权调和平均，常...
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...
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：...
基础向量检索
dimension 8-向量维度-topk 1-向量检索的 topk-job_mode train:build:seek:recall-指定检索任务模式，默认为 train:build:seek，加上 recall 能够计算本次检索的召回率-external_volume_name xxx_volume_name-用户提供的创建好的 volume on...
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 ...
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...
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 ...
模型评测
本文介绍如何对模型准确率、召回率等指标进行评测，并查看和对比模型评测结果。前提条件 已创建模型并关联相应的训练任务。具体操作，请参见 模型管理。已创建存储卷（PVC）。具体操作，请参见 通过控制台的方式使用NAS静态存储卷 或 通过...
向量索引的高级配置介绍
两者都配置的情况下，取两者的最大值 enable_recall_report 默认为true，开启 是否开启召回率指标汇报 is_embedding_saved 默认为false，不保存 是否保存原始向量。如果开启INT8/FP16量化且开启实时检索，务必开启该选项，否则会导致批次...
人群预测
若需要更多人数，建议您参考 模型验证 结果，选择一个高潜验证人群的准确率、召回率较高时对应的N%，再将 实际预测人数×N%得到人数。反之，若已确定需要保存多少人，可以通过人数倒推预期的预测准确率、召回率。将指定购买概率区间的用户...
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...
云市场API概览
其中，行驶证的总体准确率和召回率在93%以上，适应模糊、光照不均、透视畸变、任意背景等实际应用中存在的各种情况，并可实现自动裁边、修正倾斜等 行驶证混贴识别 行驶证混贴识别支持对正副页在同一张图片的场景进行自动分割与结构化识别 ...
聚类分片
data_type float-pk_type int64-dimension 128-column_num 50-row_num 50-vector_separator,-topk 1,50,100,200-获取 topk 为 1/50/100/200 时各自的召回率-job_mode train:build:seek:recall-clean_build_volume true-保留索引，后续多次...
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...
聚类分片全链路测试
中心点访问率 实际访问索引分片数 TopK分别为1、50、100、200时对应的召回率 0.1 7.30 1:0.999 50:0.9992400000000005 100:0.9987400000000008 200:0.9974424999999909 0.05 6.35 1:0.999 50:0.998660000000001 100:0.9979400000000015 200...
向量索引
太大的话，会极大影响性能&延迟 一般而言,若召回topk个向量，min_scan_doc_cnt的建议大小为max(10000,100*topk)，scan_ratio为max(10000,100*topk)/total_doc_cnt,具体的还得结合数据规模、召回率以及性能等参数。之所以存在两个类似参数，...
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...
- 产品推荐
- 这些文档可能帮助您