Awesome GitHub RepositoriesBoolean-Constrained

LanceDB is a vector database and columnar data store designed to function as a versioned dataset manager and vector search engine. It serves as a high-performance backend for indexing and retrieving high-dimensional embeddings, providing the foundation for machine learning data pipelines. The system distinguishes itself through a combination of cloud-native object storage and immutable version tracking, allowing for data time-travel and reproducible AI experiments. It integrates hybrid search capabilities, merging dense vector similarity with BM25 full-text search and SQL-like scalar filters

hnswlib este o bibliotecă C++ header-only și un motor de indexare vectorială conceput pentru căutarea aproximativă a celui mai apropiat vecin în spații cu dimensiuni mari. Acesta organizează colecții mari de embedding-uri într-o structură de graf care poate fi căutată pentru a permite interogări rapide de proximitate și calcule de distanță. Sistemul utilizează grafuri Hierarchical Navigable Small World pentru a obține o căutare rapidă a similarității vectoriale. Se distinge prin permiterea definirii de metrici de distanță personalizate și funcții de similaritate pentru a adapta calculele la cerințe specifice de date. Motorul acoperă întregul ciclu de viață al indexării, inclusiv construcția incrementală a indexului și gestionarea punctelor de date prin adăugări și eliminarea elementelor. Capabilitățile de interogare includ atât căutarea aproximativă, cât și cea exactă a celui mai apropiat vecin, completată de filtrarea căutării booleene pentru a exclude candidații pe baza etichetelor elementelor. Biblioteca suportă persistența indexului prin serializarea fișierelor binare și oferă configurații pentru execuția paralelă pentru a distribui sarcinile de interogare și indexare pe mai multe nuclee CPU.