EmbedDB

English | 繁體中文 | 日本語 | 한국어 | Español | Français | Deutsch

嘿！歡迎來到 EmbedDB！這是一個超酷的向量化標籤系統，用 TypeScript 寫成的。它能讓你輕鬆地進行相似度搜尋，就像有個AI助手在幫你找東西一樣！

特色功能

• 強大的向量相似度搜尋
• 支援權重標籤 (你說重要就是重要！)
• 類別權重調整 (精確控制不同類別的重要性！)
• 批次處理 (一次處理大量資料，超級高效！)
• 內建查詢快取 (重複查詢？閃電般快速！)
• 完整 TypeScript 支援 (型別安全，開發友善！)
• 記憶體效率的稀疏向量實作 (你的記憶體會感謝你！)
• 匯入/匯出功能 (保存並還原你的索引！)
• 進階過濾系統 (先過濾，再排序！)
• 分頁支援搭配過濾優先策略 (分批獲取過濾後的結果！)

快速開始

首先，安裝套件：

npm install embeddb

來看看怎麼使用：

import { TagVectorSystem, Tag, IndexTag } from 'embeddb';

// 建立一個新系統
const system = new TagVectorSystem();

// 先定義我們的標籤集合
const tags: IndexTag[] = [
    { category: 'color', value: 'red' },    // 紅色
    { category: 'color', value: 'blue' },   // 藍色
    { category: 'size', value: 'large' }    // 大尺寸
];

// 建立標籤索引（這步很重要！）
system.buildIndex(tags);

// 添加一個項目，帶著它的標籤和信心分數
const item = {
    id: 'cool-item-1',
    tags: [
        { category: 'color', value: 'red', confidence: 1.0 },   // 我很確定它是紅色的！
        { category: 'size', value: 'large', confidence: 0.8 }   // 八成確定它很大
    ]
};
system.addItem(item);

// 來找找看有什麼相似的東西
const queryTags: Tag[] = [
    { category: 'color', value: 'red', confidence: 1.0 }  // 我想找紅色的東西
];
const results = system.query(queryTags, { page: 1, pageSize: 10 });

// 設定類別權重，讓顏色匹配更重要
system.setCategoryWeight('color', 2.0); // 顏色匹配的重要性加倍

// 使用分頁查詢
const results = system.query(queryTags, { page: 1, size: 10 }); // 獲取前10個結果

// 匯出索引以供後續使用
const exportedData = system.exportIndex();

// 在另一個實例中匯入索引
const newSystem = new TagVectorSystem();
newSystem.importIndex(exportedData);

API 說明

TagVectorSystem 類別

這是我們的主角！它負責處理所有的操作。

主要方法

• 🏗 buildIndex(tags: IndexTag[]): 建立標籤索引

  // 定義你的標籤世界！
  system.buildIndex([
    { category: 'color', value: 'red' },
    { category: 'style', value: 'modern' }
  ]);

• ➕ addItem(item: ItemTags): 添加單個項目

  // 添加一個很酷的項目
  system.addItem({
    id: 'awesome-item',
    tags: [
      { category: 'color', value: 'red', confidence: 1.0 }
    ]
  });

• 📦 addItemBatch(items: ItemTags[], batchSize?: number): 批次添加項目

  // 一次添加一堆項目，效能更好！
  system.addItemBatch([item1, item2, item3], 10);

• 🔍 query(tags: Tag[], options?: QueryOptions): 搜尋相似項目

  // 找找看有什麼相似的
  const results = system.query([
    { category: 'style', value: 'modern', confidence: 0.9 }
  ], { page: 1, pageSize: 20 });

• 🎯 queryFirst(tags: Tag[]): 找出最相似的一個

  // 只要最相似的那個就好
  const bestMatch = system.queryFirst([
    { category: 'color', value: 'red', confidence: 1.0 }
  ]);

• 📊 getStats(): 取得系統統計資訊

  // 來看看系統的狀態如何
  const stats = system.getStats();
  console.log(`總共有 ${stats.totalItems} 個項目`);

• 🔄 exportIndex() & importIndex(): 匯出/匯入索引資料

  // 把資料保存下來，之後可以重新載入
  const data = system.exportIndex();
  // ... 之後 ...
  system.importIndex(data);

開發指南

想要參與開發？太棒了！這裡有一些常用的指令：

# 安裝依賴
npm install

# 建置專案
npm run build

# 執行測試（我們超愛測試！）
npm test

# 程式碼風格檢查
npm run lint

# 格式化程式碼（讓程式碼變得更漂亮）
npm run format

運作原理

EmbedDB 使用向量化技術來實現相似度搜尋：

1. 🏷 標籤索引化：

   • 每個標籤類別-值對都會被映射到一個唯一的向量位置
   • 這讓我們可以將標籤轉換成數值向量

2. 📊 向量化轉換：

   • 項目的標籤會被轉換成稀疏向量
   • 信心分數會被用作向量中的權重值

3. 🎯 相似度計算：

   • 使用餘弦相似度來計算向量間的相似程度
   • 這讓我們能找出最相似的項目

4. 🚀 效能優化：

   • 使用稀疏向量來節省記憶體
   • 實作查詢快取來加速重複查詢
   • 支援批次操作來提升效能

技術細節

在底層，EmbedDB 使用了一些巧妙的技術：

1. 稀疏向量實現

   • 只儲存非零值
   • 減少記憶體使用量
   • 完美適合標籤式系統，因為大多數值都是零

2. 餘弦相似度

   • 測量向量之間的角度
   • 範圍：-1 到 1（我們將其正規化為 0 到 1）
   • 僅用於排序，不影響過濾
   • 非常適合高維度稀疏空間

3. 過濾優先架構

   • 在計算相似度之前先進行過濾
   • 結果數量完全由過濾器決定
   • 相似度分數純粹用於排序
   • 對大型資料集非常高效

4. 類別權重管理

   • 精細控制各個類別的重要性
   • 支援單個和批量權重更新
   • 未知類別使用預設權重
   • 權重變更時自動失效快取

授權條款

MIT 授權 - 盡情使用，打造酷東西！

需要幫助？

有任何問題或建議？歡迎：

• 開 Issue
• 發 PR

讓我們一起把 EmbedDB 變得更棒！

給個星星！

如果你覺得 EmbedDB 很有用，給我們一顆星星吧！這能幫助其他人發現這個專案，也能激勵我們繼續改進它！