<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Порівняльний аналіз метрик відстані для векторного пошуку

Скорочена інформація про документ
dc.contributor.authorГерасімов, Є. Є.uk
dc.contributor.authorБогач, І. В.uk
dc.contributor.authorBogach, I.en
dc.titleПорівняльний аналіз метрик відстані для векторного пошукуuk
dc.date.issued2024
dc.publisherВінницький національний технічний університетuk
dc.identifier.citationГерасімов 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.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21756
dc.identifier.isbn978-617-8163-14-3
dc.identifier.udc004.428.2
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/47163
dc.description.abstractВ 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.abstractIn 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.subjectвекторний пошукuk
dc.subjectметрика відстаніuk
dc.subjectобробка природної мови (NLP)uk
dc.subjectЕвклідова відстаньuk
dc.subjectкосинус-подібністьuk
dc.subjectМанхеттенська відстаньuk
dc.subjectподібність Жаккардаuk
dc.subjectвідстань Махаланобісаuk
dc.subjectvector searchen
dc.subjectdistance metricsen
dc.subjectNatural Language Processing (NLP)en
dc.subjectEuclidean distanceen
dc.subjectcosine similarityen
dc.subjectManhattan distanceen
dc.subjectJaccard similarityen
dc.subjectMahalanobis distanceen
dc.typeThesis
dc.language.isoukuk
dc.relation.referencesVector Similarity Explained [Електронний ресурс] – Режим доступу до ресурсу: https://www.pinecone.io/learn/vector-similarity.en
dc.relation.referencesAn 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.referencesAn 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.referencesExploring 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
dc.date.accessioned2025-07-24T11:07:01Z
dc.date.available2025-07-24T11:07:01Z

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
21756.pdf
Розмір:
666,47 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
17 B
Формат:
Plain Text
Опис:
Завантажити

Зібрання