共用方式為

VectorDistance (NoSQL 查詢)

  • 發行項

適用於：NoSQL

會傳回兩個指定向量之間的相似度分數。

語法

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

引數

參數 描述
vector_expr_1 float32 或更小的陣列。
vector_expr_2 float32 或更小的陣列。
bool_expr 選擇性布爾值，指定如何在 ORDER BY 運算式中使用計算值。 如果是 true，則會使用暴力密碼破解。 如果存在，值 false 會使用在向量屬性上定義的任何索引。 預設值為 false。
obj_expr 選擇性的 JSON 格式化物件常值，用來指定向量距離計算的選項。 有效的專案包括 distanceFunction 和 dataType與 。 searchListSizeMultiplier

選擇性參數的支持參數 obj_expr

參數 描述
distanceFunction 用來計算距離/相似性的計量。
dataType 向量的資料類型。 float32、 、 int8uint8 值。 預設值為 float32。
searchListSizeMultiplier 整數，指定執行向量搜尋時搜尋清單的大小。 增加這可能會以犧牲 RU 成本和延遲為代價來改善精確度。 Min=1、Default=5、Max=100。

支援的計量 distanceFunction 如下：

  • cosine，其值來自 -1 （最不類似） 和 +1 （最相似）。
  • dotproduct，其具有 （-∞） （-inf最不相似的） +∞+inf（） （最相似） 的值。
  • euclidean，其具有 （ 0 最類似） 與 +∞ （+inf） 的值（最不相似）。

傳回類型

會傳回一個數值運算式，該運算式列舉了兩個運算式之間的相似度分數。

範例

第一個範例顯示只有必要自變數的前 10 個向量搜尋查詢。 投影了一個屬性，以及所傳回的 VectorDistance分數。 然後，我們會使用 ORDER BY 子句來排序 VectorDistance 分數，順序從最不類似到最低。

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

下一個範例也包含的選擇性自變數 VectorDistance

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'})

重要

一律在查詢的語句中使用 TOP N SELECT 子句。 否則，向量搜尋會嘗試傳回更多結果，而查詢會花費更多 RU，且延遲比必要還要高。

備註

  • 此函式需要啟用 Azure Cosmos DB NoSQL 向量搜尋功能。
  • 此函式受益於向量索引
  • 如果 false 指定為選擇性 bool_expr的 ，則會使用路徑上定義的向量索引，如果有的話。 如果向量路徑上未定義任何索引，則此函式會還原為完整掃描，並產生比使用向量索引更高的 RU 費用和更高的延遲。
  • 在 子句中使用 ORDER BY 時VectorDistance，不需要針對 ORDER BY 指定任何方向，因為結果一律會依最相似（第一個）與最不相似的 （last） 順序排序，以所使用的相似度計量為基礎。
  • 結果會以相似度分數表示。

相關內容