ADD new entry what is vector embedding

Author: karminski

20250307-what-is-vector-embedding/assets/images/vector-embedding.jpg

@@ -0,0 +1,61 @@
+什么是向量嵌入?
+----------------
+
+
+by @karminski-牙医
+
+![](./assets/images/vector-embedding.jpg)
+
+(图片来自 qdrant.tech)
+
+向量嵌入（Vector Embeddings）是将复杂数据（如文本、图像、音频等）转换为密集数值向量的过程和结果。这些向量通常是高维的数字数组，使机器能够"理解"数据间的语义关系。
+
+其核心思想是通过数学表示捕捉原始数据的语义信息，将抽象概念映射到多维空间，这样语义空间的相似性，就可以转化为向量空间中的接近性(数学问题)。
+
+
+## 向量嵌入工作流程
+
+典型的向量嵌入过程包含三个关键阶段：
+- **特征提取**：从原始数据（文本、图像等）中识别和提取关键特征
+- **向量化转换**：将提取的特征通过神经网络映射到高维向量空间
+- **维度处理**：根据需要进行降维或标准化，优化向量表示
+
+这种机制使计算机能够以数学方式处理和"理解"复杂的非结构化数据。
+
+
+## 向量嵌入的优点（针对数据库场景）
+
+- **稠密表示**：相比传统稀疏向量（如TF-IDF）更节省存储空间
+- **相似性保持**：原始数据相似性在向量空间得以保留（余弦相似度≈语义相似度）
+- **跨模态统一**：允许文本/图像/视频在同一空间进行联合检索
+- **索引友好**：适合HNSW、IVF-PQ等近似最近邻算法加速
+- **增量更新**：支持新数据嵌入无需重建整个向量空间
+
+
+## 向量嵌入可能存在的问题（数据库视角）
+
+- **维度膨胀**：维度特别多的向量会显著增加存储和内存消耗
+- **距离失真**：降维处理可能破坏原始空间关系
+- **版本漂移**：不同模型版本生成的向量不可直接比较
+- **冷启动**：空数据库阶段难以建立有效索引结构
+- **精度衰减**：量化压缩（如int8）导致的检索精度损失
+
+
+## 核心应用场景
+
+- **混合搜索**：结合元数据过滤与向量相似性检索（如语义搜索）
+- **内容去重**：通过向量距离识别重复/相似内容
+- **智能推荐**：基于用户行为向量的实时物品匹配（兴趣相似度计算）
+- **时序分析**：追踪向量漂移模式（用户兴趣/内容热点的演化分析）
+- **知识管理**：RAG系统中的高效知识检索与上下文关联
+- **聚类分析**：自动发现数据中的潜在模式和分组结构
+- **缓存优化**：高频查询结果的向量空间缓存加速
+
+
+
+## Refs
+- [What are Embeddings?](https://qdrant.tech/articles/what-are-embeddings/)
+- [Understanding Vector Embeddings](https://www.pinecone.io/learn/vector-embeddings/)
+
+
+