La base de données vectorielle la plus utilisée au monde : Elasticsearch

Récupérez les significations, le contexte et les associations de données dans les vecteurs denses grâce à la souplesse dont vous bénéficiez pour choisir vos modèles de plongement. Exécutez l'inférence du Machine Learning à mesure que vous indexez des données.

Le stockage vectoriel d'Elasticsearch se fonde sur l'algorithme HNSW de Lucene. Cette approche obtient de bons résultats lors des évaluations comparatives (voir luceneknn) des algorithmes de recherche vectorielle.

Exécutez la recherche des k plus proches voisins adaptée à votre cas d'utilisation, c'est-à-dire la recherche du plus proche voisin approximatif rapide et évolutive à l'aide de l'index HNSW de Lucene ou la correspondance exacte pour une précision optimale.

Découvrez un riche framework de fonctionnalités de filtrage et de recherche à facettes sur lequel se reposent les développeurs d'Elasticsearch et qui est disponible pour la recherche vectorielle.

Grâce à la récupération hybride, choisissez la méthode qui répond le mieux à vos besoins parmi l'éventail proposé, qui comprend l'algorithme BM25, notre modèle ELSER (Elastic Learned Sparse Encoder) et les vecteurs denses.

Attribuez des contrôles d'accès granulaires basés sur les rôles à l'aide de la sécurité au niveau du champ et du document. Bénéficiez de la prise en charge des frameworks de conformité les plus populaires.