NLP Academy · บทเรียน

ค้นหาเวกเตอร์ด้วยคลังเวกเตอร์

ดึงข้อความตอนที่เกี่ยวข้องที่สุด

บทเรียน 3 จาก 413 ขั้นตอน

ค้นหาเวกเตอร์ด้วยคลังเวกเตอร์ เป็นบทเรียน NLP Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน NLP Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส NLP Academy มีบทเรียนทั้งหมด 4 บทเรียน

คลังเวกเตอร์ทำอะไร

คลังเวกเตอร์เก็บเวกเตอร์จากส่วนย่อยของคุณ และค้นหาส่วนที่ใกล้กับคำค้นมากที่สุดได้อย่างรวดเร็ว แม้จะมีเวกเตอร์หลายล้านตัว

ค้นหาด้วยความคล้ายคลึง

แทนที่จะจับคู่ด้วยคำสำคัญ คุณจะจับคู่ด้วย ความหมาย คลังจะส่งคืนส่วนย่อยที่เวกเตอร์อยู่ใกล้กับเวกเตอร์ของคำค้นมากที่สุด

ความคล้ายคลึงแบบโคไซน์

การวัดระยะที่ใช้กันทั่วไปคือ ความคล้ายคลึงแบบโคไซน์ ซึ่งเปรียบเทียบมุมระหว่างเวกเตอร์สองตัว ดังนั้นข้อความที่มีความหมายใกล้กันจะได้คะแนนสูงกว่า

สร้างเวกเตอร์คำค้นด้วยวิธีเดียวกัน

คำถามต้องใช้ โมเดลเดียวกันกับส่วนย่อยของคุณ การฝังความหมายที่ไม่ตรงกันจะอยู่คนละปริภูมิและไม่สามารถเปรียบเทียบกันได้

query_vec = model.encode(["How do I reset my password?"])

การค้นคืนอันดับต้น ๆ

โดยทั่วไปคุณไม่ต้องการผลลัพธ์ที่ตรงกันทั้งหมด ให้คลังส่งคืนส่วนย่อยที่ใกล้ที่สุด k อันดับแรก โดย k เป็นจำนวนเล็ก ๆ เช่น 3 หรือ 5

คลังข้อมูลในหน่วยความจำแบบง่าย

สำหรับข้อมูลขนาดเล็ก FAISS จะเก็บเวกเตอร์ไว้ในหน่วยความจำและค้นหาได้ภายในเวลาไม่กี่มิลลิวินาที คุณสร้าง ดัชนี แล้วจึงเพิ่มเวกเตอร์ของคุณ

import faiss
index = faiss.IndexFlatIP(384)
index.add(vectors)

เรียกใช้การค้นหา

เรียกใช้ search พร้อมเวกเตอร์คำค้นและค่า k ระบบจะส่งคืนคะแนนและดัชนีของส่วนย่อยที่ตรงกันมากที่สุด

scores, ids = index.search(query_vec, k=3)

เชื่อมผลลัพธ์กลับไปยังข้อความ

คลังจะให้ ดัชนีแก่คุณ ไม่ใช่ข้อความ ใช้ดัชนีเหล่านี้ค้นหาส่วนย่อยต้นฉบับที่คุณจัดเก็บไว้คู่กับเวกเตอร์

hits = [chunks[i] for i in ids[0]]

ฐานข้อมูลเวกเตอร์แบบถาวร

สำหรับแอปจริง ฐานข้อมูลเวกเตอร์ เช่น Chroma หรือ Pinecone จะจัดเก็บเวกเตอร์ลงดิสก์ ขยายระบบได้ และยังคงข้อมูลอยู่แม้เริ่มระบบใหม่

กรองด้วยข้อมูลกำกับ

แนบป้ายกำกับ เช่น ผู้เขียนหรือวันที่ ให้กับเวกเตอร์แต่ละตัว จากนั้นคุณสามารถ กรองการค้นหาได้ เช่น เลือกเฉพาะส่วนย่อยจากเอกสารหนึ่งฉบับ

เหตุใดการค้นหาโดยประมาณจึงช่วยได้

การค้นหาแบบตรงทั้งหมดจะช้าลงเมื่อข้อมูลมีขนาดใหญ่ ดัชนีเพื่อนบ้านที่ใกล้ที่สุดแบบ โดยประมาณยอมแลกความแม่นยำเพียงเล็กน้อยกับความเร็วที่เพิ่มขึ้นอย่างมาก

ตรวจสอบอย่างรวดเร็ว

ทบทวนว่าคลังเวกเตอร์ค้นหาส่วนย่อยที่เกี่ยวข้องได้อย่างไร

ตอบคำถามในบทเรียนแบบโต้ตอบ

สรุปทบทวน

คลังเวกเตอร์จะสร้างเวกเตอร์ของคำค้น ค้นหาส่วนย่อย k อันดับแรกที่ใกล้ที่สุดด้วยความคล้ายคลึง และเชื่อมผลลัพธ์กลับไปยังข้อความ ✅

เริ่มต้นได้ฟรี

เรียนรู้ Python ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส: 30
บทเรียน: 120

เริ่มเรียนฟรี ดูหลักสูตรเต็ม

คำถามที่พบบ่อย

บทเรียน “ค้นหาเวกเตอร์ด้วยคลังเวกเตอร์” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “ค้นหาเวกเตอร์ด้วยคลังเวกเตอร์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส NLP Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส NLP Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “ค้นหาเวกเตอร์ด้วยคลังเวกเตอร์”

ดึงข้อความตอนที่เกี่ยวข้องที่สุด คุณปฏิบัติ NLP Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน NLP Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน NLP Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน

บทเรียน “ค้นหาเวกเตอร์ด้วยคลังเวกเตอร์” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน NLP Academy นี้ได้ไหม

ได้ บทเรียน NLP Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ NLP Academy