Skip to content

i18n(ja): align heading anchors with the English source #23325

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Draft
yahonda wants to merge 1 commit into
base: i18n-ja-release-8.5
Choose a base branch
from
Draft

i18n(ja): align heading anchors with the English source #23325

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
8 changes: 4 additions & 4 deletions ai/integrations/vector-search-auto-embedding-overview.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -67,7 +67,7 @@ LIMIT 3;

前述の例では、Amazon Titan モデルを使用しています。その他のモデルについては、[利用可能なテキスト埋め込みモデル](#available-text-embedding-models)を参照してください。

## 自動埋め込み + ベクトルインデックス {#auto-embedding-vector-index}
## 自動埋め込み + ベクトルインデックス {#auto-embedding--vector-index}

自動埋め込みはクエリのパフォーマンスを向上させるための[ベクトルインデックス](/ai/reference/vector-search-index.md)と互換性があります。生成されたベクトル列にベクトル インデックスを定義でき、それは自動的に使用されます。

Expand Down Expand Up @@ -135,7 +135,7 @@ TiDB Cloudがサポートする以下の推論サービスを通じて、オー

## 主要関数 {#key-functions}

### `EMBED_TEXT()` {#embed-text}
### `EMBED_TEXT()` {#embed_text}

テキストをベクトル埋め込みに変換します。

Expand All @@ -145,7 +145,7 @@ EMBED_TEXT("model_name", text_content[, additional_json_options])

`GENERATED ALWAYS AS`句でこの関数を使用すると、テキストデータの挿入または更新時に埋め込みを自動的に生成できます。

### `VEC_EMBED_COSINE_DISTANCE()` {#vec-embed-cosine-distance}
### `VEC_EMBED_COSINE_DISTANCE()` {#vec_embed_cosine_distance}

ベクトル列に格納されているベクトルとテキストクエリ間のコサイン類似度を計算します。

Expand All @@ -155,7 +155,7 @@ VEC_EMBED_COSINE_DISTANCE(vector_column, "query_text")

`ORDER BY`句でこの関数を使用すると、コサイン距離に基づいて結果をランク付けできます。[`VEC_COSINE_DISTANCE()`](/ai/reference/vector-search-functions-and-operators.md#vec_cosine_distance)と同じ計算方法を使用しますが、クエリテキストの埋め込みを自動的に生成します。

### `VEC_EMBED_L2_DISTANCE()` {#vec-embed-l2-distance}
### `VEC_EMBED_L2_DISTANCE()` {#vec_embed_l2_distance}

保存されたベクトルとテキストクエリ間のL2（ユークリッド）距離を計算します。

Expand Down
16 changes: 8 additions & 8 deletions ai/reference/vector-search-functions-and-operators.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -100,7 +100,7 @@ aliases: ['/ja/tidb/stable/vector-search-functions-and-operators/','/ja/tidbclou

## 完全な参考文献 {#full-references}

### VEC_L2_距離 {#vec-l2-distance}
### VEC_L2_距離 {#vec_l2_distance}

```sql
VEC_L2_DISTANCE(vector1, vector2)
Expand All @@ -124,7 +124,7 @@ SELECT VEC_L2_DISTANCE('[0, 3]', '[4, 0]');
| 5 |
+-------------------------------------+

### VEC_COSINE_DISTANCE {#vec-cosine-distance}
### VEC_COSINE_DISTANCE {#vec_cosine_distance}

```sql
VEC_COSINE_DISTANCE(vector1, vector2)
Expand All @@ -150,7 +150,7 @@ SELECT VEC_COSINE_DISTANCE('[1, 1]', '[-1, -1]');
| 2 |
+-------------------------------------------+

### VEC_負の内部積 {#vec-negative-inner-product}
### VEC_負の内部積 {#vec_negative_inner_product}

```sql
VEC_NEGATIVE_INNER_PRODUCT(vector1, vector2)
Expand All @@ -174,7 +174,7 @@ SELECT VEC_NEGATIVE_INNER_PRODUCT('[1, 2]', '[3, 4]');
| -11 |
+------------------------------------------------+

### VEC_L1_距離 {#vec-l1-distance}
### VEC_L1_距離 {#vec_l1_distance}

```sql
VEC_L1_DISTANCE(vector1, vector2)
Expand All @@ -198,7 +198,7 @@ SELECT VEC_L1_DISTANCE('[0, 0]', '[3, 4]');
| 7 |
+-------------------------------------+

### VEC_DIMS {#vec-dims}
### VEC_DIMS {#vec_dims}

```sql
VEC_DIMS(vector)
Expand Down Expand Up @@ -228,7 +228,7 @@ SELECT VEC_DIMS('[]');
| 0 |
+----------------+

### VEC_L2_NORM {#vec-l2-norm}
### VEC_L2_NORM {#vec_l2_norm}

```sql
VEC_L2_NORM(vector)
Expand All @@ -250,7 +250,7 @@ SELECT VEC_L2_NORM('[3, 4]');
| 5 |
+-----------------------+

### VEC_FROM_TEXT {#vec-from-text}
### VEC_FROM_TEXT {#vec_from_text}

```sql
VEC_FROM_TEXT(string)
Expand All @@ -270,7 +270,7 @@ SELECT VEC_FROM_TEXT('[1, 2]') + VEC_FROM_TEXT('[3, 4]');
| [4,6] |
+-------------------------------------------------+

### VEC_AS_TEXT {#vec-as-text}
### VEC_AS_TEXT {#vec_as_text}

```sql
VEC_AS_TEXT(vector)
Expand Down
Loading
Loading