微軟今天宣布開源了一項(xiàng) Bing 搜索背后的關(guān)鍵算法 —— SPTAG，它使 Bing 能夠快速將搜索結(jié)果返回給用戶。

僅在幾年前，網(wǎng)絡(luò)搜索很簡(jiǎn)單，用戶輸入幾個(gè)關(guān)鍵詞然后瀏覽結(jié)果頁面。現(xiàn)如今，這些用戶可能會(huì)在手機(jī)上拍照并將其放入搜索框中，或使用智能助手提問，而無需親自觸摸設(shè)備。他們也可能會(huì)輸入一個(gè)問題并期待一個(gè)實(shí)際的答復(fù)，而不是一個(gè)可能答案的頁面列表。

SPTAG （Space Partition Tree And Graph，空間劃分樹和圖）是分布式近似最近鄰域搜索（ANN）庫的核心，為大規(guī)模矢量搜索場(chǎng)景提供高質(zhì)量矢量索引構(gòu)建、搜索和分布式在線服務(wù)工具包。

利用 SPTAG 算法作為開源 Python 庫的核心，Bing 能夠在幾毫秒內(nèi)搜索數(shù)十億條信息。

當(dāng)然，矢量搜索本身并不是一個(gè)新想法，但微軟所做的是將這一概念應(yīng)用于深度學(xué)習(xí)模型。

首先，團(tuán)隊(duì)采用預(yù)先訓(xùn)練的模型并將數(shù)據(jù)編碼到矢量中，其中每個(gè)矢量代表一個(gè)字或像素。然后使用新的 SPTAG 庫生成向量索引。隨著查詢的進(jìn)入，深度學(xué)習(xí)模型將該文本或圖像轉(zhuǎn)換為向量，該庫緊接著就能在索引中找到最相關(guān)的向量。

微軟表示，SPTAG 庫迄今已對(duì)超過 1500 億條數(shù)據(jù)進(jìn)行了編目，包括單個(gè)單詞、字符、網(wǎng)頁代碼段和完整查詢。

“Bing 每天處理數(shù)十億個(gè)文檔，現(xiàn)在的想法是將這些條目表示為向量，并搜索這個(gè) 1000 億以上向量的巨大索引，以便在 5 毫秒內(nèi)找到最相關(guān)的結(jié)果”。

通過將矢量搜索應(yīng)用到深度學(xué)習(xí)模型，微軟讓 Bing 搜索引擎能更快地向用戶提供更相關(guān)的結(jié)果。

例如在 Bing 上搜索“巴黎的塔樓有多高？”，搜索引擎會(huì)告訴你埃菲爾鐵塔高 324 米（1063 英尺），盡管在搜索關(guān)鍵詞中并沒有出現(xiàn)“埃菲爾”（Eiffel）這個(gè)單詞。

Bing 團(tuán)隊(duì)期望開源 SPTAG 可用于構(gòu)建可識(shí)別基于音頻片段所說語言的應(yīng)用，或用于讓用戶拍攝植物照片并識(shí)別屬和物種的服務(wù)。

該庫現(xiàn)已開放使用，并提供構(gòu)建和搜索這些分布式矢量索引的所有工具。

碼云極速下載地址
https://gitee.com/mirrors/sptag

開源讓世界更美好↓↓↓

總結(jié)

以上是生活随笔為你收集整理的微软开源Bing搜索背后的关键算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。