Microsoft
Er gwaethaf y ffaith bod y syniad o ddefnyddio storfa fector mewn peiriannau chwilio wedi bod yn symud o gwmpas ers amser maith, yn ymarferol, mae eu gweithrediad yn cael ei rwystro gan ddwysedd adnoddau uchel gweithrediadau gyda fectorau a chyfyngiadau graddadwyedd. Mae cyfuno dulliau dysgu peirianyddol dwfn ag algorithmau chwilioβr cymdogion agosaf wediβi gwneud hiβn bosibl dod Γ’ pherfformiad a scalability systemau fector i lefel syβn dderbyniol ar gyfer peiriannau chwilio mawr. Er enghraifft, yn Bing, ar gyfer mynegai fector o dros 150 biliwn fector, mae'r amser i nΓ΄l y canlyniadau mwyaf perthnasol o fewn 8 ms.
Mae'r llyfrgell yn cynnwys offer ar gyfer adeiladu mynegai a threfnu chwiliadau fector, yn ogystal Γ’ set o offer ar gyfer cynnal system chwilio ar-lein ddosbarthedig sy'n cwmpasu casgliadau mawr iawn o fectorau.
Mae'r llyfrgell yn awgrymu bod y data a brosesir ac a gyflwynir yn y casgliad wedi'i fformatio ar ffurf fectorau cysylltiedig y gellir eu cymharu yn seiliedig ar
Ar yr un pryd, nid yw chwiliad fector yn gyfyngedig i destun a gellir ei gymhwyso i wybodaeth a delweddau amlgyfrwng, yn ogystal ag mewn systemau ar gyfer cynhyrchu argymhellion yn awtomatig. Er enghraifft, gweithredodd un o'r prototeipiau yn seiliedig ar fframwaith PyTorch system fector ar gyfer chwilio yn seiliedig ar debygrwydd gwrthrychau mewn delweddau, a adeiladwyd gan ddefnyddio data o sawl casgliad cyfeirio gyda delweddau o anifeiliaid, cathod a chΕ΅n, a droswyd yn setiau o fectorau. . Pan dderbynnir delwedd sy'n dod i mewn i'w chwilio, caiff ei throsi gan ddefnyddio model dysgu peirianyddol yn fector, sy'n seiliedig ar y fectorau mwyaf tebyg yn cael eu dewis o'r mynegai gan ddefnyddio algorithm SPTAG a dychwelir y delweddau cysylltiedig o ganlyniad.
Ffynhonnell: opennet.ru