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

僅在幾年前，網絡搜索很簡單，用戶輸入幾個關鍵詞然后瀏覽結果頁面。現如今，這些用戶可能會在手機上拍照并將其放入搜索框中，或使用智能助手提問，而無需親自觸摸設備。他們也可能會輸入一個問題并期待一個實際的答復，而不是一個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，為大規模矢量搜索場景提供高質量矢量索引構建、搜索和分布式在線服務工具包。

利用 SPTAG 算法作為開源 Python 庫的核心，Bing 能夠在幾毫秒內搜索數十億條信息。

當然，矢量搜索本身并不是一個新想法，但微軟所做的是將這一概念應用于深度學習模型。

首先，團隊采用預先訓練的模型并將數據編碼到矢量中，其中每個矢量代表一個字或像素。然后使用新的 SPTAG 庫生成向量索引。隨著查詢的進入，深度學習模型將該文本或圖像轉換為向量，該庫緊接著就能在索引中找到最相關的向量。

微軟表示，SPTAG 庫迄今已對超過 1500 億條數據進行了編目，包括單個單詞、字符、網頁代碼段和完整查詢。

“Bing 每天處理數十億個文檔，現在的想法是將這些條目表示為向量，并搜索這個 1000 億以上向量的巨大索引，以便在 5 毫秒內找到最相關的結果”。

通過將矢量搜索應用到深度學習模型，微軟讓 Bing 搜索引擎能更快地向用戶提供更相關的結果。

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

Bing 團隊期望開源 SPTAG 可用于構建可識別基于音頻片段所說語言的應用，或用于讓用戶拍攝植物照片并識別屬和物種的服務。

該庫現已開放使用，并提供構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

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站內容還不錯，歡迎將生活随笔推薦給好友。