PostgreSQL：在预矢量化数据库上执行余弦相似性搜索

我正试图在预矢量化的数据库表（如trigram相似度）上实现余弦相似度搜索，对象的结构如下：

from django.contrib.postgres.fields import ArrayField
from django.db import models

class Information(object):
    vectorized = ArrayField(models.FloatField(default=0.0))  # will contain 512-dimensional vector of floats
    original_data = models.TextField(blank=True)
    original_data_length = models.IntegerField(default=0)

其中，向量化的属性

将包含从
原始数据生成的512维向量


例如，用户输入字符串“什么是苹果？”：

输入转换为512维向量
A
A
在数据库（或非数据库）上的所有对象
x
上迭代
在每次迭代中，计算
A
和
x之间的标准化点积（余弦相似性）。矢量化
（请参阅）
选择具有最高相似性的
x
对象（具有
A
的最高标准化内积），并打印出
x.原始_数据


我已经为此实现了简单的代码，这是低效的，因为它是在框架级别而不是数据库级别执行的，并且为数据库表中的所有对象分配了内存：

from core.models import Information
from numpy import dot  # dot product = inner product limited for real numbers
from numpy.linalg import norm

user_input = user_input  # let this be 512 dimensional vector converted from user input
most_similar = ("", 0)
for item in Information.objects.all():
    similarity = dot(item, user_input)/norm(item, user_input)
    if similarity > most_similar[1]: 
        most_similar = (item.original_data, similarity)
print(most_similar[0])

有什么方法可以实现上述代码的更有效的方法吗

使用PostgreSQL有什么方法可以做到这一点吗

谢谢大家!
 在PostgreSQL中无法对向量执行余弦相似性。要做到这一点，您需要使用向量数据库，如or。AquilaDB支持将JSON文档与向量一起存储，我发现这非常适合您的情况。因为，您可以将交叉引用AquilaDB中索引的任何向量的元数据添加到PostgreSQL数据库中。他们的网站上有一些不错的教程。
这对我来说很有效——请注意，它需要预规范化向量，这是一个很好的默认值：

CREATE OR REPLACE FUNCTION dot_product_norm_d(a double precision[], b double precision[])
RETURNS double precision AS
$$
SELECT sum(result)
FROM (SELECT (tuple.val1 * tuple.val2) AS result
      FROM (SELECT UNNEST($1) AS val1,
                   UNNEST($2) AS val2,
                   generate_subscripts($1, 1) AS ix) tuple
      ORDER BY ix) inn;
$$ LANGUAGE SQL IMMUTABLE STRICT;

这里有一个相关问题的答案非常有用：
您找到解决方案了吗？我也有同样的问题。