Vektordatenbanken werden häufig verwendet, um Ähnlichkeitssuche über unstrukturierte Objekte zu implementieren, z.B. Dokumente und Bilder. Jede Vektordatenbank wird von einem Einbettungsmodell erzeugt, das die Objekte so codiert, dass ähnliche Objekte näher aneinander liegende Vektoren eingebettet werden, was es uns ermöglicht, die Top-k-Vektorsuche als Implementierung der Top-k-Objäähnlichkeitssuche zu nutzen. Es ist gängige Praxis, dass verschiedene Vektordatenbanken unterschiedliche Einbettungsmodelle verwenden und dass dasselbe Objekt von verschiedenen Einbettungsvektoren über Datenbanken hinweg kodiert werden kann. Infolgedessen kann man Vektordatenbanken nicht teilen und integrieren, um die Ähnlichkeitssuche über Datensätze zu erweitern, was wir für relationale Datenbanken als selbstverständlich erachten. In dieser Arbeit versuchen wir, die Barriere zwischen verschiedenen Vektordatenbanken zu durchbrechen, indem wir einen Ansatz zur Integration von Vektordatenbanken entwickeln, die von verschiedenen Einbettungsmodellen erzeugt werden, ohne Zugriff auf die kodierten Datenobjekte oder Kenntnisse über die Einbettungsmodelle zu haben. Unser Ansatz basiert auf der Hypothese der lokalen Isometrie, eine Erkenntnis, die durch umfangreiche Experimente mit realen Einbettungsvektoren gewonnen wurde, und wird durch theoretische Analysen untermauert, die die Qualität der integrierten Vektordatenbank begrenzen. Experimentelle Ergebnisse zeigen, dass wir Vektordatenbanken integrieren können, die von verschiedenen bekannten Einbettungsmodellen wie NV-embed-V2, OpenAI Ada, GloVe, Mistral und FastText produziert wurden, während wir eine hohe Trefferquote der Top-k-Ähnlichkeitssuche über die integrierten Datensätze bieten.
Yang et al. (Thu,) haben diese Fragestellung untersucht.