Milvus · Milvus 2.6
Поиск похожих товаров строится на эмбеддингах описаний размерности 768. Модель на выходе делает L2-нормировку: длина каждого вектора равна 1.
В коллекции 180 млн товаров. Один разработчик создал индекс с metric_type="IP", второй на ревью требует COSINE, «потому что модель обучали на косинусе».
В работе: Выбор метрики при создании индекса Milvus.
Как проверяем
Движка Milvus в браузере пока нет, поэтому здесь не запрос, а выбор решения. Выберите один вариант. После ответа — почему каждый вариант верный или нет. Ответ один на подход: после него показываем разбор.
Источник: на данных маркетплейса: эмбеддинги описаний товаров. Условие пересказано своими словами.
Давали на собеседовании?
Ответов пока мало — ваш поможет.
Что изменится в выдаче, если оставить IP?
- Ничего: для векторов единичной длины скалярное произведение равно косинусу, порядок результатов тот же
- Порядок перевернётся: для IP меньше — значит ближе
- Выдача станет случайной, IP работает только с бинарными векторами
- Результаты совпадут только после перестроения индекса с L2