通过

VectorDistance（NoSQL 查询）

  • 项目

适用范围： NoSQL

返回两个指定矢量之间的相似性分数。

语法

VectorDistance(<vector_expr_1>, <vector_expr_2>, <bool_expr>, <obj_expr>)

参数

参数 说明
vector_expr_1 float32 数组或更小的数组。
vector_expr_2 float32 数组或更小的数组。
bool_expr 一个可选布尔值，指定如何在 ORDER BY 表达式中使用计算值。 如果为 true，则使用暴力攻击。 false 的值使用在矢量属性上定义的任何索引（如果存在）。 默认值是 false。
obj_expr 可选的 JSON 格式的对象文字，用于指定矢量距离计算选项。 有效的项包括 distanceFunction、dataType 和 searchListSizeMultiplier。

可选 obj_expr 支持的参数

参数 说明
distanceFunction 用于计算距离/相似度的指标。
dataType 矢量的数据类型。 float32、int8、uint8 值。 默认值是 float32。
searchListSizeMultiplier 一个整数，指定执行矢量搜索时搜索列表的大小。 增加其值可以提高准确性，代价是 RU 成本和延迟。 最小值为 1，默认值为 5，最大值为 100。

distanceFunction 支持的指标包括：

  • cosine，其值范围为 -1（最不相似）到 +1（最相似）。
  • dotproduct，其值范围为 -∞ (-inf)（最不相似）到 +∞ (+inf)（最相似）。
  • euclidean，其值范围为 0（最不相似）到 +∞ (+inf)（最相似）。

返回类型

返回一个数值表达式，它用于枚举两个表达式之间的相似性分数。

示例

第一个示例显示仅包含所需参数的前 10 个矢量搜索查询。 投影一个属性，以及 VectorDistance 返回的分数。 然后，我们使用一个 ORDER BY 子句，按相似度由高到低对 VectorDistance 分数进行排序。

SELECT TOP 10 s.name, VectorDistance(c.vector1, <query_vector>)
FROM c
ORDER BY VectorDistance(c.vector1, <query_vector>)

下一个示例还包括 VectorDistance 的可选参数

SELECT TOP 10 s.name, VectorDistance(c.vector1, <query_vector>, true, {'distanceFunction':'cosine', 'dataType':'float32',})
FROM c
ORDER BY VectorDistance(c.vector1, <query_vector>, true, {'distanceFunction':'cosine', 'dataType':'float32',})

注解

  • 此函数需要注册 Azure Cosmos DB NoSQL 矢量搜索预览功能。
  • 此函数受益于矢量索引
  • 如果提供 false 作为可选的 bool_expr，则使用路径上定义的矢量索引（如果存在）。 如果未在矢量路径上定义任何索引，则此函数将恢复为完全扫描，并且与使用矢量索引相比，会产生更高的 RU 费用和更高的延迟。
  • 在 ORDER BY 子句中使用 VectorDistance 时，不需要为 ORDER BY 指定方向，因为根据使用的相似度指标，结果始终按最相似（第一个）到最不相似（最后一个）的顺序排序。
  • 结果表示为相似性分数。

相关内容