话题框架与类库 › Faiss

框架与类库:Faiss

哔哩哔哩超大规模视频查重算法与工程优化实践

本文将重点围绕算法架构优化和工程性能加速优化两方面进行抽象与阐述,忽略不对机器性能、资源占用起明显作用的传统工程架构设计。

精读《利用 GPT 解读 PDF》

ChatPDF 最近比较火,上传 PDF 文件后,即可通过问答的方式让他帮你总结内容,比如让它帮你概括核心观点或者回答相关问题。今天我们就来研究一下背后的实现秘密。

ChatGPT分享-如何开发一个LLM应用

AI产业的分工初步形成,包括底层基础设施(云服务商)、大型模型、Prompt Engineering平台和终端应用。随着AI产业变革,开发者可以充分利用大型语言模型(LLM)和Prompt Engineering来开发创新应用。

Elasticsearch 向量搜索的工程化实战

作为一家搜索引擎公司,我们会很倚赖 ES 帮忙处理包括文章召回,数据源划分,实体、标签管理等任务,而且都收到了不错的结果。

最近我们需要对行业知识库进行建模,其中可能会涉及到实体匹配、模糊搜索、向量搜索等多种召回和算分方式,最终我们选择了通过 ES 7.X (最终选择 7.10)里的新功能,Dense vector 帮忙一起完成这部分的需求。

算法应用之搜推系统的简介

搜推系统本质上就是一个信息过滤系统,通常分为:召回、排序、重排序3个环节,每个环节逐层过滤,最终从海量的物料库中筛选出几十个或上百个用户感兴趣或者有意向的物料返回给用户。

Embedding向量召回在vivo个性化推荐中的实践

本文首先介绍Embedding召回框架和封装的算法,然后介绍Embedding召回在vivo手机的阅图锁屏、以及内置i主题App这2个推荐场景中的应用效果。

Milvus探究与压测分析

最近用到了向量搜索,所以要对milvus进行压测。同时为了更加深入分析压测中遇到的问题,也对milvus的部分源码与文档进行了走读。其中遇到了一些问题与疑惑,我们也直接与milvus社区或开源贡献者沟通。

通过压测,我们发现某场景下存在milvus的性能提升不上去的问题,并给出基于该场景的解决方案,社区反馈给milvus官方。

以下为milvus的设计与压测中遇到的一些问题与解决或跟进方案。

检索式对话系统在美团客服场景的探索与实践

美团语音技术团队设计并迭代了一套基于检索式对话系统的框架,以推荐回复的方式,基于对话上文为坐席提供候选回复,提高坐席效率进而提升用户体验,在美团众多业务上均取得了显著的效果。

知识库检索匹配的服务化实践

如何从浩瀚的知识库中搜索出我们想要的结果,本文将从算法模型和工程实现为你介绍有赞知识库检索匹配的实践方法。

“软硬结合”- 转转搜索少无结果模块简介

搜索场景下,相关性与流量效率都是两大核心目标。转转少无结果与转转主搜就是这样的两个模块,转转少无结果模块是转转主搜模块的兜底,当用户在APP搜索时,主搜商品展示完毕或者主搜商品过少时,会向用户展示“猜你喜欢”商品。即少无结果模块。

Faiss PQ索引简介

faiss索引类型主要可以分为暴力检索、乘积量化、局部敏感哈希、基于图的方法。

近邻搜索算法浅析​

随着深度学习的发展和普及,很多非结构数据被表示为高维向量,并通过近邻搜索来查找,实现了多种场景的检索需求,如人脸识别、图片搜索、商品的推荐搜索等。另一方面随着互联网技术的发展及5G技术的普及,产生的数据呈爆发式增长,如何在海量数据中精准高效的完成搜索成为一个研究热点,各路前辈专家提出了不同的算法,今天我们就简单聊下当前比较常见的近邻搜索算法。

基于Milvus快速实践以图搜图

图片检索在生活中应用广泛,常见的图片检索包括基于文本内容搜索和基于图片内容搜索。基于文本内容搜索图片是通过给图片打标签,然后通过搜索标签来实现对图片的搜索;而基于图片内容搜索即以图搜图,用户通过输入图片在海量的图片库中快速找到同款或者相似图片,这种搜索方式被广泛应用于电商、设计、媒体咨询、智能监控以及搜索引擎等热门领域。

本文基于Milvus和图片特征提取模型VGG,借助SQL快速搭建了一套以图搜图端到端解决方案,为本地化进行海量图片相似度量实施工作提供可能。

京东618广告精排百分位AUC提升技术方案

京东618,广告算法团队对精排全面升级,取得百分位AUC提升。

How facial recognition technology keeps you safe

Facial recognition technology is one of the many modern technologies that previously only appeared in science fiction movies. The roots of this technology can be traced back to the 1960s and have since grown dramatically due to the rise of deep learning techniques and accelerated digital transformation in recent years.

In this blog post, we will talk about the various applications of facial recognition technology in Grab, as well as provide details of the technical components that build up this technology.

多兴趣召回模型实践

MIND多兴趣召回在实践过程中,经过离线和实时两个阶段去执行最终落地,中间的步骤因此记录下来,希望你在阅读到此文能够有所收获。

首页 - Wiki
Copyright © 2011-2024 iteam. Current version is 2.123.1. UTC+08:00, 2024-03-29 09:33
浙ICP备14020137号-1 $访客地图$