Vector database management systems: Fundamental concepts, use-cases, and current challenges

向量数据库管理系统已成为现代数据管理中的重要组成部分，推动它的发展是对计算描述丰富数据（如文本、图像和视频）在各个领域的需求，例如推荐系统、相似度搜索和聊天机器人。这些数据描述被捕捉为数值向量，计算存储和比较都是低成本的。然而，向量化数据的独特特征，包括高维度和稀疏性，要求专门的解决方案来实现高效的存储、检索和处理。这篇叙述性文献综述为研究人员和从业者提供了一个易于理解的介绍，涵盖了向量数据库管理系统的基本概念、用例和当前挑战，为他们寻求促进有效的向量数据管理提供了一个概览。

论文旨在介绍向量数据库管理系统的基本概念、用例和挑战，以帮助研究人员和实践者实现有效的向量数据管理。

向量数据库管理系统是一种针对高维度和稀疏性向量化数据的专门解决方案，可以实现高效的存储、检索和处理。

论文介绍了向量数据库管理系统的用例，包括推荐系统、相似性搜索和聊天机器人等。同时，论文还讨论了向量数据库管理系统所面临的挑战，并提出了一些解决方案。实验部分使用了多个数据集进行验证，并提供了开源代码。

在相关研究方面，最近的研究包括《Efficient Vector Approximation Search with Strong Error Bounds》、《An Experimental Comparison of Nearest Neighbor Methods for Image Classification》等。