Vektör veritabanı nedir?

Detaylı açıklama

Vektör veritabanı, verileri satır ve sütun yerine sayı dizileri olarak tutan bir veritabanı türüdür. Bir cümle, görsel ya da ses kaydı önce bir gömme (embedding) modelinden geçirilir ve çok boyutlu bir uzayda bir noktaya dönüştürülür. Anlamca birbirine yakın içerikler bu uzayda birbirine yakın noktalara düşer. Sorgu geldiğinde sistem sorgunun da vektörünü çıkarır ve en yakın komşuları bulur. Bu yüzden "akıllı telefon" araması, bu kelimeler geçmese bile "cep telefonu" gibi ilişkili sonuçları getirebilir. Geleneksel arama ise çoğunlukla anahtar kelimenin birebir geçmesine bakar. Milyonlarca kaydı hızlı taramak için bu sistemler indeks yapıları kullanır. Yaklaşık en yakın komşu (ANN) algoritmaları, tüm veriyi baştan sona taramadan benzer vektörleri bulur. HNSW grafikleri, yerel duyarlı özetleme (LSH) ve ürün nicemleme (PQ) bu yöntemlerin bilinen örnekleridir. Vektörlerin yanında başlık, kaynak ya da tarih gibi üst veriler de saklanabilir, böylece benzerlik araması filtrelerle birleştirilebilir. En yaygın kullanım alanı, geri getirmeyle güçlendirilmiş üretim (RAG) yaklaşımıdır. Belgeler önceden vektörleştirilip kaydedilir, kullanıcı soru sorunca en ilgili parçalar bulunur ve büyük dil modeline bağlam olarak verilir. Öneri sistemleri, anlamsal arama ve anormallik tespiti de diğer kullanım alanlarıdır. Her iş için uygun değildir: konu özeti gibi tüm bağlamın okunmasını gerektiren işlerde başka yapılar daha verimli olabilir.

Kullanım örneği

Bir alışveriş sitesinde "yağmurda koşu için hafif ceket" yazdığınızı düşünün. Ürün açıklamalarında bu ifade geçmese bile site, anlamca yakın rüzgârlık ve su itici ceketleri listeler. Arka planda ürün metinleri vektöre çevrilip bir vektör veritabanında tutulur, sorgunuz da vektöre çevrilerek en yakın ürünler bulunur.