收录了 搜索引擎检索 频道下的 50 篇内容
搜索质量评估是搜索技术研究的基础性工作,也是核心工作之一。评价(Metrics)在搜索技术研发中扮演着重要角色,以至于任何一种新方法与他们的评价方式是融为一体的。本文总结业界常用的相关性评价指标和量化评价方法。供对此感兴趣的朋友参考。
本次分享百度搜索对 Service Mesh 的抽象和探索,介绍基于 Service Mesh 构建大规模高可用服务的工程实践。
Elasticsearch挺进中国市场面临的机遇和挑战如何?阿里云 Elasticsearch 为中国用户提供了哪些新服务?为此,InfoQ 采访了 Elasticsearch 的创始人兼首席执行官 Shay Banon。
在更多行业对大模型跃跃欲试之际,有许多现实的落地问题浮现出来,可控性问题就是其中之一。
随着大模型的飞速发展, AI 技术开始在更多场景中普及。
九数算法中台融合基于 ReAct 框架的 AI Agent、SFT(指令微调)与 RAG(检索增强生成)技术的应用框架,不仅赋予大模型学习领域知识的能力,还显著提升了模型的自主决策和信息处理精确度,为业务人员高效落地大模型的微调、部署和应用提供了落地保障。
自然语言的内容有很多,本文所介绍的自然语言处理部分是“文本摘要”和“关键词提取”。
如何从噪声与知识并存的海量数据中挖掘出价值,是当前数据挖掘学科面临的重要挑战。为此,Azure云推出了机器学习云平台,试图通过多年的技术积累下的经验和方法来解决这一问题。
陈本峰分享了“云适配”利用云端技术,用一行JavaScript代码完成多屏适配的技术方案。
机器学习选档位,如何让视频标清、高清、蓝光都不再卡顿?
ThoughtWorks 已于昨日发布了最新一期的技术雷达,InfoQ 第一时间拿到了先手资料,提取了朋友们最感兴趣的内容整理成文,以飨广大读者。本文将从技术、平台、工具、语言 & 框架等四个方面,为你详解技术未来的趋势。
AI 时代我们需要怎样的架构?
本文针对性介绍了Havenask的在线服务,它具备高可用、高时效、低成本的优势,帮助企业和开发者量身定做适合业务发展的智能搜索服务。
Max Grigorev最近写了一篇文章,题目是《What every software engineer should know about search》,这篇文章里指出了现在一些软件工程师的问题,他们认为开发一个搜索引擎功能就是搭建一个ElasticSearch集群,而没有深究背后的技术,以及技术发展趋势。Max认为,除了搜索引擎自身的搜索问题解决、人类使用方式等之外,也需要解决索引、分词、权限控制、国际化等等的技术点,看了他的文章,勾起了我多年前的想法。 很多年前,我曾经想过自己实现一个搜索引擎,作为自己的研究生论文课题,后来琢磨半天没有想出新的技术突破点(相较于已发表的文章),所以切换到了大数据相关的技术点。当时没有写出来,心中有点小遗憾,毕竟凭借搜索引擎崛起的谷歌是我内心渴望的公司。今天我就想结合自己的一些积累,聊聊作为一名软件工程师,您需要了解的搜索引擎知识。
最近有个站长朋友告诉我,他最终还是放弃了互联网,准备改行去做别的领域了。自己不禁感叹,个人站长真的生存不下去了,曾经自己也是个人站长。十年互联网生涯,个人站长的身份曾经是一种骄傲,如今个人站长已经逐渐退出了互联网的舞台,随之而来的就是自媒体
QCon大会预热采访。360搜索郝一昕。
我们正处于信息爆炸式增长的时代,如何在信息海洋里迅速定位到目标信息成为人们关心的问题。搜索引擎作为互联网和应用的关键入口,向来是兵家必争之地。
从推荐到搜索,头条搜索建立了一套独有的搜索技术架构。
大家期望出现一个更好的搜索引擎,AI时代的引擎。
字节跳动如何在开源基础上实现一套RAG系统,并且还能节约95%的向量检索资源?