基于milvus向量数据库的相似度检索问题——稀疏-密集向量检索和混合搜索

相似度检索是目前人工智能领域一个非常重要的应用场景，其不仅仅应用于人工智能技术，同样应用于搜索技术；比如搜索引擎，电商搜索等多种技术领域。

因此，向量数据库也成为现在技术领域不可缺少的一个中间件；虽然说向量检索主要就是进行向量计算，不管是余弦，还是欧式距离等算法，目的都是通过计算向量之间的位置关系来确定相似度。

但这里就产生了一个问题，使用稠密向量和稀疏向量检索会得到不一样的结果；而使用混合搜索技术又会产生另一种结果。

因此，这里就涉及到向量数据库在不同的应用场景下的检索策略的选择；什么情况下应该选择稠密向量，什么情况下应该选择稀疏向量，而什么情况下又应该选择混合搜索。

milvus向量数据库支持多种类型的度量方式，常见的有余弦和欧式距离；使用不同的度量算法其结果也不尽相同，而且有的算法是值越大越好，而有的算法却是值越小越好。

而我们今天讨论的不是值大小问题，而是不同向量类型之间的检索策略问题。

在Milvus中有两种经典的向量类型，稠密向量和稀疏向量；不同类型的向量可以表示不同的信息，使用不同的嵌入模型可以更全面地表示数据的不同特征和方面。

而稠密向量和稀疏向量的主要区别是，表示语义的密集向量和表示句子中词频的稀疏向量。

因此，稠密向量类型和稀疏向量类型，使用的是两种完全不同的搜索方式；稠密向量一般使用机器学习模型，也就是Embedding模型生成语义相关的向量数据；而稀疏向量一般使用的是词袋模型或BM25算法。

在milvus向量检索中，返回值中会有一个距离值(distance)，在某些情况下使用稠密向量，稀疏向量或者混合搜索的方式可能搜索到的结构都是一样的。

但其距离值distance的值却是不一样的，在某些情况下可能混合搜索策略的距离值更大，而某些情况下普通检索的距离值更大；当然，前提是使用了同样的计算策略，比如说余弦函数。

那么什么情况下应该选择稠密向量类型，什么情况下应该选择稀疏向量类型？ 

由于稠密向量主要进行的是语义检索，而稀疏向量主要进行的关键词匹配；所以，在选择上我们需要从多个方面进行考虑。

核心对比：稠密向量 vs 稀疏向量

当然，稠密向量搜索和稀疏向量搜索并不是非此即彼的关系，在某些场景下可以使用混合搜索的方式，也就是同时使用稠密向量和稀疏向量进行搜索。

总结建议