Nous avons récemment mis à disposition une nouvelle version d'InterSystems IRIS dans le cadre du programme d'accès anticipé à la recherche vectorielle, comprenant un nouvel index Approximate Nearest Neighbor basé sur l'algorithme d'indexation Hierarchical Navigable Small World (HNSW). Cet ajout permet des recherches de voisins les plus proches très efficaces et approximatives sur de grands ensembles de données vectorielles, améliorant considérablement les performances et l'évolutivité des requêtes.
L'algorithme HNSW est conçu pour optimiser la recherche vectorielle pour les données à haute dimension en créant une structure basée sur un graphique, ce qui permet de trouver plus rapidement des voisins approximatifs dans de grandes collections de vecteurs. Que vous travailliez avec des systèmes de recommandation, le traitement du langage naturel ou d'autres applications d'apprentissage automatique, HNSW peut réduire considérablement les temps de recherche tout en vous permettant d'ajuster le niveau de précision, avec le compromis selon lequel une précision plus élevée entraîne des temps de requête plus lents.
Les principaux avantages de HNSW sont les suivants :
• Des recherches plus rapides même lorsque la taille de l'ensemble de données augmente
• Une empreinte mémoire réduite tout en maintenant une précision élevée
• Intégration transparente avec les capacités de recherche vectorielle IRIS existantes
Comment démarrer
La dernière version est désormais disponible via notre programme d'accès anticipé à la recherche vectorielle. Pour participer, inscrivez-vous ici, téléchargez la nouvelle version et commencez les tests. Vos commentaires sont essentiels alors que nous continuons à améliorer la recherche vectorielle !
Nous vous encourageons à explorer les améliorations de performances et à partager vos réflexions avec la communauté. N'hésitez pas à me contacter pour toute question ou tout commentaire que vous pourriez avoir pendant la phase d'accès anticipé.
Bon codage !
