Waarom is dit belangrijk?
Zo kunnen computers in grote hoeveelheden gegevens zonder vaste indeling snel items terugvinden die inhoudelijk bij elkaar passen. In de handel gebruiken aanbevelingssystemen een vectordatabase om gelijksoortige producten te kiezen op basis van kenmerken, voorkeuren of eerder gedrag. Voor werknemers en klanten betekent dat sneller een bruikbaar voorstel, maar het resultaat blijft een benadering en kan daardoor minder goed kloppen.
Zo werkt het in de praktijk
Amazon Web Services beschrijft Amazon OpenSearch Service als vectordatabase voor een klinische kennisbank. Die bank bevat gespreksnotities, beeldbeoordelingen en labrapporten voor zorgverleners. In het verkeersmanagement kan een vectordatabase videobeelden analyseren om de doorstroming en de openbare veiligheid te ondersteunen.
Microsoft Research presenteerde op de conferentie NeurIPS het systeem DiskANN. DiskANN doorzoekt een zeer grote vectordatabase op één werkstation met een snelle schijf. Het onderzoek zoekt een balans tussen juiste treffers, een korte wachttijd en veel gegevens per computer.
Teams kunnen een vectordatabase koppelen aan hybride zoeken. Zij mengen de vectorvergelijking met een zoekactie op woorden en met filters op extra gegevens. Een veelgebruikte methode is HNSW, een methode die nabije vectoren via een netwerk van punten zoekt.




