#Vector Search

Post a job 关注
0 关注者 · 19 帖子

向量搜索是一种用于信息检索和机器学习的方法，它根据作为向量的数学表示来查找相似的条目。 在这种方法中，每个条目被表示为一个高维向量，每个维度对应于该条目的一个特征或特性。 然后，向量搜索算法比较这些向量，以找到相似条目，例如具有相似特征或在向量空间中靠得很近的条目。 点击这里阅读更多内容。

Post a job 关注
新增
文章 Lilian Huang · 14 hr 前 2m read

人工智能助力临床匹配：基于InterSystems IRIS for Health的人工智能患者匹配引擎

在现代医疗保健领域，寻找临床上相似的患者往往感觉像大海捞针。传统的关键字搜索往往会失败，因为医学语言具有高度的细微差别；搜索 "心力衰竭 "可能会漏掉包含 "充血性心力衰竭 "的记录。

我很高兴与大家分享 iris-medmatch，这是一个基于InterSystems IRIS for Health的人工智能患者匹配引擎。通过利用矢量搜索（vector search），该工具能够理解临床意图，而不仅仅是匹配字面字符串。
## 核心创新：语义临床搜索

iris-medmatch "在原始FHIR数据和可操作的人工智能洞察力之间架起了一座桥梁。该引擎利用 "all-MiniLM-L6-v2 "模型，将临床条件转化为数学向量。

标准搜索查找的是准确的单词，而该引擎能理解**临床上下文**。例如，它可以使用数学向量相似性将 "高血压 "患者与 "高血压 "搜索匹配起来。

✨ 主要技术特点

  • 核心：InterSystems IRIS、嵌入式 Python、InterSystems FHIR 服务器、矢量搜索
  • 人工智能：Python、ONNX 运行时、HuggingFace 变换器
  • 前端Angular 18+

技术架构

该解决方案的优势在于其架构效率。通过嵌入式 Python 运行 Transformers，我们消除了 "数据重力 "问题。数据留在 IRIS 中，人工智能处理在数据所在的地方进行。

🚀应用演练

1.

#HealthShare #InterSystems IRIS #InterSystems IRIS for Health ##嵌入式 Python #Angular #FHIR #GitHub #Python #Vector Search #性能
Open Exchange
0
0 5
文章 Jeff Liu · 二月 11 1m read

将IRIS用作向量数据库

InterSystems IRIS的嵌入式向量搜索功能使我们能够搜索非结构化和半结构化数据。数据被转换为向量（也称为 "嵌入"），然后存储在 InterSystems IRIS 中并编制索引，用于语义搜索、检索增强生成（RAG）、文本分析、推荐引擎和其他用例。

这是一个将 IRIS 用作向量数据库和在 IRIS 上进行相似性搜索的简单演示。

先决条件：

  1. Python

  2. InterSystems IRIS for Health - 因为它将用作向量数据库

存储库： https://github.com/piyushisc/vectorsearchusingiris

操作步骤

  1. clone软件仓库。

  2. 打开 VS Code，连接到所需的 IRIS 实例和命名空间并编译类。

  3. 打开 IRIS 终端，调用 do ##class(vectors.vectorstore).InsertEmbeddings() 命令，从文件 text.txt 中读取文本，生成嵌入并将其存储在 IRIS 中。

  4. 调用 do ##class(vectors.vectorstore).VectorSearch("search_terms") 命令，输入所需的单词以执行相似性搜索。IRIS 将返回最匹配的前三个词：alt text

#InterSystems IRIS #Vector Search
0
0 28