| dc.contributor.author | Герасімов, Є. Є. | uk |
| dc.contributor.author | Богач, І. В. | uk |
| dc.contributor.author | Bogach, I. | en |
| dc.date.accessioned | 2025-07-24T11:07:01Z | |
| dc.date.available | 2025-07-24T11:07:01Z | |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Герасімов Є. Є., Богач І. В. Порівняльний аналіз метрик відстані для векторного пошуку // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21756. | uk |
| dc.identifier.isbn | 978-617-8163-14-3 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/47163 | |
| dc.description.abstract | В роботі проведено порівняльний аналіз метрик відстані для векторного пошуку. Оцінено евклідову відстань, косинусну подібність, манхеттенську відстань, подібність Жаккарда та відстань Махаланобіса, досліджено їхній вплив на точність пошуку, ефективність обчислення. | uk |
| dc.description.abstract | In the paper, a comparative analysis of distance metrics for vector search is carried out. Euclidean distance, cosine similarity, Manhattan distance, Jaccard similarity, and Mahalanobis distance were evaluated, and their influence on search accuracy and calculation efficiency was investigated. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21756 | |
| dc.subject | векторний пошук | uk |
| dc.subject | метрика відстані | uk |
| dc.subject | обробка природної мови (NLP) | uk |
| dc.subject | Евклідова відстань | uk |
| dc.subject | косинус-подібність | uk |
| dc.subject | Манхеттенська відстань | uk |
| dc.subject | подібність Жаккарда | uk |
| dc.subject | відстань Махаланобіса | uk |
| dc.subject | vector search | en |
| dc.subject | distance metrics | en |
| dc.subject | Natural Language Processing (NLP) | en |
| dc.subject | Euclidean distance | en |
| dc.subject | cosine similarity | en |
| dc.subject | Manhattan distance | en |
| dc.subject | Jaccard similarity | en |
| dc.subject | Mahalanobis distance | en |
| dc.title | Порівняльний аналіз метрик відстані для векторного пошуку | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.428.2 | |
| dc.relation.references | Vector Similarity Explained [Електронний ресурс] – Режим доступу до ресурсу: https://www.pinecone.io/learn/vector-similarity. | en |
| dc.relation.references | An Empirical Study on the Performance of the Distance Metrics [Електронний ресурс] – Режим доступу до ресурсу: https://dergipark.org.tr/en/download/article-file/3257351. | en |
| dc.relation.references | An Exhaustive List Of Distance Metrics For Vector Similarity Search [Електронний ресурс] – Режим доступу до ресурсу: https://medium.datadriveninvestor.com/an-exhaustive-list-of-distance-metrics-for-vector-similarity-search09c4db84f0b4. | en |
| dc.relation.references | Exploring Common Distance Measures for Machine Learning and Data Science: A Comparative Analysis [Електронний ресурс] – Режим доступу до ресурсу: https://medium.com/@eskandar.sahel/exploring-commondistance-measures-for-machine-learning-and-data-science-a-comparative-analysis-ea0216c93ba3. | en |
