Vektoradatbázis (Vector Database)

A vektoradatbázis egy speciális célú adattár, amely nem szövegeket vagy táblázatos rekordokat, hanem magas dimenziójú numerikus vektorokat, úgynevezett embeddingeket tárol. Ezeket a vektorokat gépi tanulási modellek generálják úgy, hogy a hasonló jelentésű vagy tartalmú elemek (mondatok, dokumentumok, képek, hangfájlok) egymáshoz közeli pontokként jelenjenek meg a vektortérben. A hagyományos adatbázisokkal ellentétben a vektoradatbázis nem pontos egyezésre, hanem hasonlósági keresésre van optimalizálva.

A működés lényege, hogy egy bejövő keresési lekérdezést is embeddinggé alakítanak, majd a rendszer megkeresi a tárolt vektorok között azokat, amelyek geometriailag a legközelebb esnek hozzá, jellemzően koszinusz-hasonlóság vagy euklideszi távolság alapján. Mivel a nyers, kimerítő összehasonlítás nagy adatmennyiségnél lassú lenne, a vektoradatbázisok speciális indexelési technikákat, például HNSW vagy IVF algoritmusokat használnak a közelítő legközelebbi szomszéd keresés felgyorsítására, ezzel másodperc törtrésze alatt is kezelhetővé tesznek milliárdos elemszámú adatállományokat.

A vektoradatbázisok jelentősége az elmúlt években a nagy nyelvi modellek elterjedésével nőtt meg drámaian, mivel ezek adják az alapját a retrieval-augmented generation, azaz a keresés-kiegészítéses generálás technikájának. Ilyen esetben a modell a válaszadás előtt a vektoradatbázisból lekéri a kérdéshez szemantikailag releváns dokumentumrészleteket, és ezekkel bővíti a kontextust, így a modell friss, cégspecifikus vagy nagy mennyiségű külső tudásra is tud támaszkodni anélkül, hogy azt be kellene tanítani a paramétereibe.

Jellemző alkalmazási területei közé tartozik a szemantikus keresés, a chatbotok és asszisztensek tudásbázis-lekérdezése, az ajánlórendszerek, a képalapú keresés, valamint a csalásfelismerés és anomáliadetektálás is, ahol a hasonlósági mintázatok felismerése kulcsfontosságú.