Recall Rate を調整する

Zilliz Cloud は、検索の Recall Rate とパフォーマンスのバランスを取るための検索パラメーター level を提供しています。また、現在の検索の推定 Recall Rate を取得するための別の検索パラメーター enable_recall_calculation も提供しています。これら 2 つのパラメーターを組み合わせて、ベクトル検索の Recall Rate を調整できます。

Notes

これは、基本的なベクトル検索、フィルター検索、範囲検索、グループ化検索、ハイブリッド検索、検索イテレーターを含むすべての検索に適用されます。

概要

Zilliz Cloud における Recall Rate は通常、検索によって正常に取得された関連結果の割合を指します。これは、コレクションからすべての関連項目を取得するシステムの能力を測るものです。

OdMnbeHYOoAEqKxNEEnc9SwNnmf

検索の Recall Rate を計算するには、取得された関連項目の数を、取得されるべき該当項目の総数で割ります。たとえば、100 個の関連項目のうち 90 個が検索で取得された場合、Recall Rate は 0.9 または 90% になります。

Recall Rate が高いほど通常は検索結果の精度が高くなりますが、時間がかかる場合があります。ベクトル検索の精度と効率のバランスを取るために、Recall Rate を調整することを検討してください。

検索リクエストを設定する

Recall Rate を調整可能な検索リクエストを設定するには、次のように検索パラメーター内に level パラメーターを含める必要があります。

python
from pymilvus import MilvusClient

client = MilvusClient(
    uri="YOUR_CLUSTER_ENDPOINT",
    token="YOUR_CLUSTER_TOKEN"
)

query_vector = [0.3580376395471989, -0.6023495712049978, 0.18414012509913835, -0.26286205330961354, 0.9029438446296592]

res = client.search(
    collection_name="quick_setup",
    data=[query_vector],
    limit=3, # The number of results to return
    search_params={
        "params": {
            "level": 1 # The precision control
        }
    }
)

java
import io.milvus.v2.client.ConnectConfig;
import io.milvus.v2.client.MilvusClientV2;
import io.milvus.v2.service.vector.request.SearchReq;
import io.milvus.v2.service.vector.request.data.FloatVec;
import io.milvus.v2.service.vector.response.SearchResp;

import java.util.*;

MilvusClientV2 client = new MilvusClientV2(ConnectConfig.builder()
        .uri("YOUR_CLUSTER_ENDPOINT")
        .token("YOUR_CLUSTER_TOKEN")
        .build());

FloatVec queryVector = new FloatVec(new float[]{0.3580376395471989f, -0.6023495712049978f, 0.18414012509913835f, -0.26286205330961354f, 0.9029438446296592f});

Map<String, Object> searchParams = new HashMap<>();
searchParams.put("level", 1);

SearchReq searchReq = SearchReq.builder()
        .collectionName("quick_setup")
        .data(Collections.singletonList(queryVector))
        .annsField("vector")
        .topK(3)
        .searchParams(searchParams)
        .build();

SearchResp searchResp = client.search(searchReq);

System.out.println(searchResp.getSearchResults());

go
import (
    "context"
    "fmt"

    "github.com/milvus-io/milvus/client/v3/entity"
    "github.com/milvus-io/milvus/client/v3/milvusclient"
)

ctx := context.Background()

client, err := milvusclient.New(ctx, &milvusclient.ClientConfig{
    Address: "YOUR_CLUSTER_ENDPOINT",
    APIKey:  "YOUR_CLUSTER_TOKEN",
})
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

queryVector := []float32{0.3580376395471989, -0.6023495712049978, 0.18414012509913835, -0.26286205330961354, 0.9029438446296592}

resultSets, err := client.Search(ctx, milvusclient.NewSearchOption(
    "quick_setup", // collectionName
    3,               // limit
    []entity.Vector{entity.FloatVector(queryVector)},
).WithANNSField("vector").
    WithSearchParam("level", "1"))
if err != nil {
    fmt.Println(err.Error())
    // handle error
}

for _, resultSet := range resultSets {
    fmt.Println("IDs: ", resultSet.IDs.FieldData().GetScalars())
    fmt.Println("Scores: ", resultSet.Scores)
}

rust
use milvus::v2::prelude::*;
use std::collections::HashMap;

let client = ClientV2::new(
    &ConnectConfig::new()
        .uri("YOUR_CLUSTER_ENDPOINT")
        .token("YOUR_CLUSTER_TOKEN"),
)
.await?;

let query_vector = vec![0.3580376395471989f32, -0.6023495712049978, 0.18414012509913835, -0.26286205330961354, 0.9029438446296592];

let res = client
    .search(
        SearchRequest::builder()
            .collection_name("quick_setup")
            .vector_field("vector")
            .vectors(SearchVectors::Float(vec![query_vector]))
            .limit(3)
            .extra_params(HashMap::from([("level".into(), "1".into())]))
            .build()?,
    )
    .await?;

println!("{:?}", res.results());

c++
#include <iostream>
#include <vector>

#include "milvus/MilvusClientV2.h"

auto client = milvus::MilvusClientV2::Create();
auto status = client->Connect(milvus::ConnectParam("YOUR_CLUSTER_ENDPOINT", "YOUR_CLUSTER_TOKEN"));
if (!status.IsOk()) {
    std::cerr << "Failed to connect: " << status.Message() << std::endl;
    return;
}

std::vector<float> queryVector = {
    0.35803764F, -0.60234958F, 0.18414013F, -0.26286206F, 0.90294385F
};

auto searchRequest = milvus::SearchRequest()
                         .WithCollectionName("quick_setup")
                         .WithAnnsField("vector")
                         .WithLimit(3)
                         .WithExtraParams({{"level", "1"}})
                         .AddFloatVector(queryVector);

milvus::SearchResponse searchResponse;
status = client->Search(searchRequest, searchResponse);
if (!status.IsOk()) {
    std::cerr << "Search failed: " << status.Message() << std::endl;
    return;
}

for (const auto& result : searchResponse.Results().Results()) {
    const auto ids = result.Ids().IntIDArray();
    for (size_t i = 0; i < result.Scores().size(); ++i) {
        std::cout << "id=" << ids[i] << ", score=" << result.Scores()[i] << std::endl;
    }
}

javascript
import { MilvusClient } from "@zilliz/milvus2-sdk-node";

const client = new MilvusClient({ address: "YOUR_CLUSTER_ENDPOINT", token: "YOUR_CLUSTER_TOKEN" });

const queryVector = [0.3580376395471989, -0.6023495712049978, 0.18414012509913835, -0.26286205330961354, 0.9029438446296592];

const res = await client.search({
    collection_name: "quick_setup",
    data: queryVector,
    limit: 3,
    params: {
        level: "1"
    }
});

console.log(res.results);

csharp
using Milvus.Client.V2;
using Milvus.Client.V2.Requests.Dql;
using Milvus.Client.V2.Responses.Dql;
using Milvus.Client.V2.Types;

MilvusClientV2 client = new(new ConnectConfig
{
    Uri = "YOUR_CLUSTER_ENDPOINT",
    Username = "root",
    Password = "Milvus"
});

float[] queryVector = [0.3580376395471989f, -0.6023495712049978f, 0.18414012509913835f, -0.26286205330961354f, 0.9029438446296592f];

SearchResp res = await client.SearchAsync(new SearchReq
{
    CollectionName = "quick_setup",
    VectorFieldName = "vector",
    Vectors = [queryVector],
    Limit = 3, // The number of results to return
    Parameters = new SearchParameters
    {
        // The precision control
        ExtraParameters = { ["level"] = "1" }
    }
});

bash
curl --request POST \
  --url "YOUR_CLUSTER_ENDPOINT/v2/vectordb/entities/search" \
  --header "Authorization: Bearer YOUR_CLUSTER_TOKEN" \
  --header "Content-Type: application/json" \
  --data '{
      "collectionName": "quick_setup",
      "data": [
          [0.3580376395471989, -0.6023495712049978, 0.18414012509913835, -0.26286205330961354, 0.9029438446296592]
      ],
      "annsField": "vector",
      "limit": 3,
      "searchParams": {
          "params": {
              "level": 1
          }
      }
  }'

level パラメーターは 1 から 10 の範囲で、デフォルトは 1 です。デフォルト値では Recall Rate は 90% になり、通常はほとんどのユースケースで十分です。

高い Recall Rate（99% 以上）が必要なシナリオでは、level パラメーターを 6 から 10 の間の整数に設定してみてください。検索効率を気にする必要がない場合は、このパラメーターを 10 に設定すると、最も精度の高い結果を得られます。

Notes

最も高いレベルの設定でもまだ不十分な場合は、Zilliz Cloud サポートにお問い合わせください。