回答

是的，JavaScript 有一些库和插件可以在浏览器中进行向量相似检索查询。以下是一些常用的库和插件：

TensorFlow.js:TensorFlow.js 是一个用于在浏览器和 Node.js 中进行机器学习的库。它可以用于创建和运行机器学习模型，包括用于向量相似性检索的模型。

import * as tf from '@tensorflow/tfjs';

// 假设你有两个向量
const vector1 = tf.tensor([1, 2, 3]);
const vector2 = tf.tensor([4, 5, 6]);

// 计算余弦相似度
const cosineSimilarity = (vec1, vec2) => {
  const dotProduct = vec1.dot(vec2).dataSync()[0];
  const norm1 = vec1.norm().dataSync()[0];
  const norm2 = vec2.norm().dataSync()[0];
  return dotProduct / (norm1 * norm2);
};

console.log(cosineSimilarity(vector1, vector2));

Annoy.js:Annoy (Approximate Nearest Neighbors Oh Yeah) 是一个用于近似最近邻搜索的库，有 JavaScript 版本。它可以用于在浏览器中进行向量相似性检索。

import { AnnoyIndex } from 'annoy-js';

const f = 3; // 向量的维度
const annoy = new AnnoyIndex(f, 'angular'); // 'angular' 是距离度量

// 添加向量
annoy.addItem(0, [1, 2, 3]);
annoy.addItem(1, [4, 5, 6]);

// 构建索引
annoy.build();

// 查询最近邻
const nearest = annoy.getNearest(new Float32Array([7, 8, 9]), 1);
console.log(nearest);

hnswlib-js:hnswlib-js 是 Hierarchical Navigable Small World (HNSW) 算法的 JavaScript 实现，用于近似最近邻搜索。

import { HNSWLib } from 'hnswlib-js';

const dimension = 3; // 向量的维度
const space = 'l2'; // 距离度量，可以是 'l2', 'ip', 或 'cosine'
const maxElements = 1000; // 索引中元素的最大数量

const index = new HNSWLib(dimension, space, maxElements);

// 添加向量
index.addPoint([1, 2, 3], 0);
index.addPoint([4, 5, 6], 1);

// 查询最近邻
const nearest = index.searchKNearest([7, 8, 9], 1);
console.log(nearest);

这些库和插件可以帮助你在浏览器中进行向量相似性检索查询。你可以根据具体需求选择合适的库。