什麼是向量資料庫？

一般資料庫 = 行和列

想像一個電子表格，記錄 Champlain College 所有的學生俱樂部：

id	姓名	類別	房間
1	動漫俱樂部	媒體	C-102
2	藝術俱樂部	創意	C-103
3	機器人團隊	技術	C-108
4	Champlain 音樂協會	創意	C-109

有了這種 關聯式資料庫, 您基本上可以問：

• 「讓我看看所有的創意俱樂部」
• 「哪個俱樂部在C-108房間？」
• "列出所有名稱中有'Art'的俱樂部"

但如果你問

"哪個俱樂部是 最相似 到機器人隊？"

一般的資料庫會聳聳肩。除非您明確定義類似性，否則它無法理解類似性。

---

向量資料庫 = 依意義分組

現在讓我們想像每個 學生俱樂部在主樓層有自己的房間 的學院。事情是這樣的

• 所有喜愛 繪畫 前往 藝術俱樂部室.
• 所有符合以下條件的學生 機器人與程式設計 雲集 機器人室.
• 所有享受 動漫 在 動漫俱樂部室.

因此，如果您走進藝術俱樂部，您會發現 同類人或有共同興趣的人。
他們不只是被標籤分組，而是 挨近 在學院的空間裡。

現在以同樣的方式來思考向量資料庫。

向量資料庫沒有房間，而是有一個 多維空間 (想想地圖上有數百個方向）。每個項目，例如文字、圖像、產品或文件，都會轉換成一串數字，稱為 向量.該向量就像坐標說的一樣：

「把這個詞放在空間裡」

所以：

• 「食物」 被放置在靠近 「生菜」, 「漢堡」以及 「餐廳」
• 但是 「食物」 遠離 「腳」雖然聽起來很像

為什麼？因為他們 意思並不相同。

圖片來源：
來源 「向量資料庫初學者入門」
© Xomnia - 僅用於教育目的。

---

這有什麼幫助？

當您搜尋 向量資料庫，它會檢視您的查詢在空間中的「位置」，並找出符合下列條件的事物 附近, 就像詢問一樣：

"我對機器人學很感興趣。我應該去哪個房間？"

系統說："到 C-108 室的機器人小組。對了，科技社和人工智能社就在隔壁"

因此，您不只是在比對單字，您也在比對 意義.

---

概括

• 關聯式資料庫 就像試算表：適合精確資訊和篩選器
• 向量資料庫 就像校園地圖一樣：它們依據意義來組織資料，並將資料分門別類。 物以类聚
• 就像 Champlain 為每個俱樂部的興趣提供房間一樣、 向量資料庫有空間 每個概念
• 這可以讓人工智能回答模糊的問題，例如：「讓我看這樣的東西」或「尋找有類似氣氛的東西」。