Dense Vector

GPT-4.icon

概要

すべての次元に実数値が存在するベクトル。

一般に次元数は数百〜数千程度（例：512次元, 768次元など）。

**ディープラーニングや埋め込み（embedding）**によって生成されることが多い。

具体例

使われ方

意味的な類似性の検索に使われる（例：文章や画像の類似検索）。

コサイン類似度やユークリッド距離で比較される。

メリット

意味的な情報を圧縮して表現できる。

モダンな検索（semantic search）に向いている。

デメリット

インタープリタビリティ（可読性）が低い（どの次元が何を意味しているか不明）。

計算量が多いため、高速検索には専用の近似アルゴリズムが必要（例：ANN）。