向量数据库检索优化工程师考试试卷及答案.docVIP

向量数据库检索优化工程师考试试卷及答案

一、填空题（共10题，每题1分）

1.向量数据库中，常用的相似度度量之一是______距离，公式为√Σ(ai-bi)2。

2.向量数据库核心功能是实现______检索，即查找与查询向量最相似的集合。

3.支持高效近似检索的常见索引结构是______（HNSW）。

4.将向量分拆为子向量分别量化的方法是______量化（PQ）。

5.向量与传统数据库结合时，用______过滤缩小范围后再做向量匹配。

6.召回率=检索到的相关向量数/______。

7.向量L2归一化后，______相似度等价于点积。

8.开源向量数据库包括Milvus、Chroma、______（写1个即可）。

9.批量插入向量性能比______插入更高。

10.向量检索“冷启动”指______时效果差的情况。

二、单项选择题（共10题，每题2分）

1.归一化后与余弦相似度等价的是？

A.欧氏距离B.点积C.曼哈顿距离D.切比雪夫距离

2.与向量索引构建时间无关的是？

A.向量维度B.向量数量C.元数据字段数D.索引类型

3.高召回、低延迟要求不苛刻时优先选？

A.HNSWB.IVFC.AnnoyD.线性扫描

4.向量量化（如PQ）会导致？

A.存储减少B.精度完全丢失C.无法更新D.延迟暴增

5.不属于向量数据库应用场景的是？

A.商品推荐B.图像检索C.关系型查询D.语义搜