$smirrorityDotProduct（式演算子）

定義

$similarityDotProduct

配列または binData 値として表される 2 つの数値ベクトルのドット積を返します。ドット積は、対応する要素の積の合計と等しくなります。

$similarityDotProduct には 2 つの構文形式があります。

簡潔な構文では、以下のように未加工のドット積スコアが返されます。

{ $similarityDotProduct: [ <vector1>, <vector2> ] }

完全な構文は任意の正規化パラメータを受け入れます。

{
   $similarityDotProduct: {
      vectors: [ <vector1>, <vector2> ],
      score: <boolean>
   }
}

完全な構文を使用する場合、$similarityDotProduct は次のフィールドを受け入れます。

フィールド	タイプ	必要性	説明
vectors	配列	必須	正確に 2 つの式の配列。各式は、数値の配列または binData 値に解決される必要があります。どちらのベクトルの長さは等しくなければなりません。
score	ブール値	任意	true の場合、 は式 (1 + dotProduct) / 2 を使用して正規化されたスコアを返します。デフォルトは false です。

式の詳細については、「 式 」を参照してください。

動作

例

次の例では、vectorsコレクションを使用しています。

db.vectors.insertMany( [
   { _id: 1, a: [1, 2, 3], b: [1, 2, 3] },
   { _id: 2, a: [1, 2, 3], b: [3, 2, 1] },
   { _id: 3, a: [1, 2, 3], b: [4, 5, 6] }
] )

次の集計パイプラインでは、各ドキュメントの a フィールドと b フィールド間のドット積を計算し、未加工スコアと正規化スコアの両方を返します。

db.vectors.aggregate( [
   {
      $project: {
         raw: { $similarityDotProduct: [ "$a", "$b" ] },
         normalized: {
            $similarityDotProduct: {
               vectors: [ "$a", "$b" ],
               score: true
            }
         }
      }
   }
] )

この操作は次の結果を返します。

{ _id: 1, raw: 14, normalized: 7.5 }
{ _id: 2, raw: 10, normalized: 5.5 }
{ _id: 3, raw: 32, normalized: 16.5 }

詳細

• $vectorSearch

• 式