HnswParameters interface
Contiene i parametri specifici dell'algoritmo hnsw.
Proprietà
ef |
Dimensioni dell'elenco dinamico contenente i vicini più vicini, che vengono utilizzati durante il periodo di indicizzazione. L'aumento di questo parametro può migliorare la qualità dell'indice, a scapito dell'aumento del tempo di indicizzazione. A un certo punto, l'aumento di questo parametro comporta una diminuzione dei rendimenti. |
ef |
Dimensioni dell'elenco dinamico contenente i vicini più vicini, utilizzati durante il tempo di ricerca. L'aumento di questo parametro può migliorare i risultati della ricerca, a scapito di una ricerca più lenta. L'aumento di questo parametro comporta una diminuzione dei rendimenti. |
m | Numero di collegamenti bidirezionali creati per ogni nuovo elemento durante la costruzione. L'aumento di questo valore di parametro può migliorare il richiamo e ridurre i tempi di recupero per i set di dati con un'elevata dimensionalità intrinseca a scapito dell'aumento del consumo di memoria e del tempo di indicizzazione più lungo. |
metric | Metrica di somiglianza da usare per i confronti tra vettori. |
Dettagli proprietà
efConstruction
Dimensioni dell'elenco dinamico contenente i vicini più vicini, che vengono utilizzati durante il periodo di indicizzazione. L'aumento di questo parametro può migliorare la qualità dell'indice, a scapito dell'aumento del tempo di indicizzazione. A un certo punto, l'aumento di questo parametro comporta una diminuzione dei rendimenti.
efConstruction?: number
Valore della proprietà
number
efSearch
Dimensioni dell'elenco dinamico contenente i vicini più vicini, utilizzati durante il tempo di ricerca. L'aumento di questo parametro può migliorare i risultati della ricerca, a scapito di una ricerca più lenta. L'aumento di questo parametro comporta una diminuzione dei rendimenti.
efSearch?: number
Valore della proprietà
number
m
Numero di collegamenti bidirezionali creati per ogni nuovo elemento durante la costruzione. L'aumento di questo valore di parametro può migliorare il richiamo e ridurre i tempi di recupero per i set di dati con un'elevata dimensionalità intrinseca a scapito dell'aumento del consumo di memoria e del tempo di indicizzazione più lungo.
m?: number
Valore della proprietà
number
metric
Metrica di somiglianza da usare per i confronti tra vettori.
metric?: "cosine" | "euclidean" | "dotProduct" | "hamming"
Valore della proprietà
"cosine" | "euclidean" | "dotProduct" | "hamming"