一、Redis帮助开发者创造个性化的用户体验
- 机器学习成为企业利润增长的助手
要吸引当今眼光高的用户,软件应用程序必须足够智能,能够立即适应个人需求,包括提供定制内容和推荐。越来越多的企业使用机器学习(Machine Learning, ML)技术来创建这些自适应的个性化体验。根据 Gartner 最近的一项调查,近三分之二的数字营销者难以为客户提供个性化体验,但那些成功将机器学习投入生产的企业,其利润率通常会提高 3% 至 15%。
- Superlinked帮助机器学习运营团队提供个性化体验
Superlinked公司帮助软件开发人员构建能够理解用户的应用程序,并提供个性化和引人入胜的体验。这家规模虽小但发展迅速的公司开发了一种软件基础架构,使机器学习运营(MLOps)团队能够创建理解用户偏好、内容属性和其他变量的模型。Superlinked 的独特数据处理和配置引擎有时被称为 “ML 基础架构即服务”,它使 ML 技术既易于访问和使用。
通过根据每个应用程序的需求定制内容,Superlinked 的技术平台可以帮助组织建立详细的客户档案,从而提供更多相关的内容和推荐。其独特的个性化技术正在迅速受到社交媒体平台、在线市场和以第一方数据为中心的电子商务公司的关注。
- Redis Enterprise Cloud的向量检索
借助Redis Enterprise Cloud,Superlinked 使机器学习技术更易于访问并且更容易嵌入到流行的应用程序中。开发人员无需高级机器学习、MLOps 或数据科学专业知识,就可以在数小时内推出个性化体验。自从部署 Redis Enterprise Cloud以来,Superlinked 在持续高负载使用(每秒 100 多个向量搜索查询)期间,95%的延迟时间低于 30 毫秒。
Superlinked 联合创始人 Daniel Svonava 表示:
“当我们的客户构建这些复杂的产品时,Redis 的向量数据库技术发挥着关键作用。这一切都是为了获取有关用户的内容的数据,了解用户在做什么,并在人们创建帐户、注册服务和表明他们的偏好时捕获信息。我们将所有这些信息编码为向量嵌入。Redis Enterprise Cloud 帮助我们存储和索引信息。”
“我们对向量数据库有非常具体的要求,我们研究了可用的选项,并确定 Redis Enterprise Cloud最适合我们的需求。”
二、Superlinked为什么选择了Redis Enterprise Cloud
向量是数据点的数学表示。这种数据库结构对于将非结构化数据转换为数值表示来发挥作用的人工智能和机器学习应用程序非常有用。向量相似性搜索(Vector Similarity Search, VSS)功能允许机器学习应用程序查找与给定查询向量相似的数据点。它们通常用于推荐系统、图像和视频搜索、自然语言处理和异常检测。
敲黑板:关于“Redis Enterprise的向量相似性搜索(VSS)”这个问题,上一篇有更详细的介绍。
- 输入和输出的速度
“向量数据库的许多基准都侧重于搜索性能,”Svonava 解释说。“然而,我们更关注的是向量操作的数据输入和数据输出速度。当我们比较领先的向量数据库产品的性能指标时,Redis Enterprise Cloud 是表现最佳的选择。”
- C++ 语言
Redis Enterprise Cloud 允许开发人员在系统内部执行代码,而不仅仅是依赖外部代码模块。据 Svonava 称,Redis Enterprise Cloud 支持的 C++ 语言更适合用于这些嵌入式代码模块,因为它有强大的内存管理能力。他还喜欢将数据库索引的一部分转移到闪存中,以最大限度地提高性能。
“其他一些向量数据库使用垃圾回收机制(garbage collection)进行内存管理,”Svonava 补充说。”这些数据库很难满足我们的实时请求需求,因为它们会引入随机的延迟,使某些查询速度变慢十倍。Redis Enterprise Cloud 对C++的支持对我们来说非常重要。
Superlinked 已经建立了一个 “Vector Ops”平台,该平台可以接收内容、用户和事件,并实现实时推荐和搜索。所有这些都是通过利用 Redis Enterprise 作为向量数据库来实现的。
Vector Ops 平台
三、交互式的实时体验
任何使用用户生成内容的网站或应用程序都可以从Superlinked基础设施中受益,因为它有助于个性化地提供数据和信息流。Svonava说:“准确、相关的内容是吸引用户的关键。”Redis Enterprise Cloud的实时数据分析能力可以揭示用户对哪些内容感兴趣,以及如何最好地向他们展示合适的内容,这必须在用户滚动浏览他们的信息流时快速完成。
Svonava认为,软件行业正在从相对简单的匹配算法(利用硬编码规则来个性化内容)转向交互式实时体验,在这种体验中,系统会观察用户行为并做出响应。例如,就业市场可以自动匹配空缺职位和可用候选人。在这样一个市场中,Superlinked 使用 Redis Enterprise Cloud来存储有关每个空缺职位和每个候选人的各种属性的半结构化数据。Redis Enterprise的向量技术使该客户的招聘市场能够实时观察用户的行为。Svonava补充说:“它不是有一套固定的过滤器,而是从人们如何与数据交互中学习。”
其他职位推荐引擎使用的是僵化的评分机制,无法辨别这些数据集中许多微妙、不断变化的关系。地点、职位名称、资历和其他数据点的列表被硬编码到这些规则中,并通过基本的搜索界面提取数据。