(1) Scann
구글에서 만든 ANN 라이브러리. 2022 년 기준 벤치마크 상으로 가장 좋은 성능을 내고 있다.
(2) 튜닝하기
- 데이터가 100k 개 이상일 경우, AH 로 점수를 계산하고 rescore 절차를 거쳐야 한다.
- AH 로 점수를 계산할 때,
dimensions_per_block은2로 설정하자. - 파티셔닝 시에
num_leaves는 데이터포인트 개수의 제곱근 수 (square root) 와 비슷하게 설정하면 좋다.
1 min read
구글에서 만든 ANN 라이브러리. 2022 년 기준 벤치마크 상으로 가장 좋은 성능을 내고 있다.
dimensions_per_block 은 2 로 설정하자.num_leaves 는 데이터포인트 개수의 제곱근 수 (square root) 와 비슷하게 설정하면 좋다....st Neighbor)은 정확한 nearest neighbor를 전수 계산하지 않고, 충분히 가까운 후보를 빠르게 찾는 검색 방식이다. Retrieval에서는 HNSW, IVF, faiss, scann, Vamana 같은 index가 dense embedding search의 latency와 recall을 결정한다.
.... Product Quantization(PQ)은 하나의 고차원 벡터를 여러 하위 벡터로 나누고 각각 독립적으로 양자화합니다. 이런 방식으로 메모리를 절약하면서 빠른 근사 검색이 가능합니다. ScaNN 같은 라이브러리는 파티셔닝 및 이방성 양자화(Anisotropic Quantization)를 결합하여 대규모 환경에서도 효율적인 성능을 보장합니다. 이외에도 트리 기반 또는 그래프 기반 알고...
...Embedding - Generalizable Embeddings from Gemini 같은 embedding model로 확장된다. 실제 serving에서는 HNSW, IVF, faiss, scann, Vamana 같은 indexing 전략이 품질과 latency를 좌우한다. Multi-vector retrieval은 single-vector embedding의 정보 손실을 줄이려는 흐름...
ANN(Approximate Nearest Neighbor)은 정확한 nearest neighbor를 전수 계산하지 않고, 충분히 가까운 후보를 빠르게 찾는 검색 방식이다.
We can split ANN algorithms into three distinct categories; trees, hashes, and graphs. HNSW slots into the graph category.
What is Annoy spotify 에서 만든 라이브러리로 유사한 벡터들을 빠르게 찾아주는 ANN 라이브러리.
HNSW 알고리즘만 구현해 놓은 C++ 헤더 전용 라이브러리다. Python 바인딩을 제공하며, HNSW 논문 저자인 Yury Malkov 가 직접 만들었다.
Milvus는 대규모 vector search를 위한 vector database다.
Non-Metric Space Library (NMSLIB) is an efficient cross-platform similarity search library and a toolkit for evaluation of similarity search methods.
페북 (현 메타) 에서 만든 ANN 라이브러리. ColBERT 논문에서 빠른 retrieval 을 위해 faiss IVFPQ 버전을 사용했다고 한다. 네이버에서는 4ms 도 느리다고 판단하고, 보다 빠른 검색을 위해 Hnswlib 을 사용하는 것 같다.
핵심 요약 Vamana: Microsoft Research에서 개발한 Graph-based ANN 알고리즘. DiskANN의 핵심 인덱싱 알고리즘으로, HNSW와 달리 Flat Graph 구조를 사용하여 디스크 기반 검색에 최적화됨.
최대 내적 검색(Maximum Inner Product Search, MIPS)은 주어진 쿼리 벡터와 데이터베이스 내의 수많은 데이터 벡터들 사이에서, 내적(inner product) 값이 가장 큰 벡터를 찾는 문제를 의미합니다.
비슷한 벡터일수록 같은 해시 버킷에 들어갈 확률이 높아지도록 설계한 해싱 기법이다. ANN 검색의 한 방법으로 쓴다. 일반적인 해시 함수는 입력이 조금만 달라도 결과가 완전히 달라지도록 설계된다. 충돌을 피하는 것이 목적이기 때문이다.