Microsoft បើកប្រភពបណ្ណាល័យស្វែងរកវ៉ិចទ័រដែលប្រើក្នុង Bing

ក្រុមហ៊ុន Microsoft បានផ្សព្វផ្សាយ កូដប្រភពបណ្ណាល័យការរៀនម៉ាស៊ីន SPTAG (Space Partition Tree And Graph) ជាមួយនឹងការអនុវត្តក្បួនដោះស្រាយប្រហាក់ប្រហែល ការស្វែងរកអ្នកជិតខាងដែលនៅជិតបំផុត។. បណ្ណាល័យ អភិវឌ្ឍ នៅក្នុងផ្នែកស្រាវជ្រាវនៃ Microsoft Research និងមជ្ឈមណ្ឌលអភិវឌ្ឍន៍បច្ចេកវិទ្យាស្វែងរក (Microsoft Search Technology Center)។ នៅក្នុងការអនុវត្ត SPTAG ត្រូវបានប្រើប្រាស់ដោយម៉ាស៊ីនស្វែងរក Bing ដើម្បីកំណត់លទ្ធផលដែលពាក់ព័ន្ធបំផុតដោយផ្អែកលើបរិបទនៃសំណួរស្វែងរក។ កូដត្រូវបានសរសេរជា C++ និង ចែកចាយ​ដោយ ក្រោមអាជ្ញាប័ណ្ណ MIT ។ Build សម្រាប់ Linux និង Windows ត្រូវបានគាំទ្រ។ មានការចងសម្រាប់ភាសា Python ។

ទោះបីជាការពិតដែលថាគំនិតនៃការប្រើប្រាស់ការផ្ទុកវ៉ិចទ័រនៅក្នុងម៉ាស៊ីនស្វែងរកបានអណ្តែតជុំវិញជាយូរមកហើយក៏ដោយនៅក្នុងការអនុវត្តជាក់ស្តែងការអនុវត្តរបស់ពួកគេត្រូវបានរារាំងដោយអាំងតង់ស៊ីតេនៃធនធានខ្ពស់នៃប្រតិបត្តិការជាមួយនឹងវ៉ិចទ័រនិងដែនកំណត់នៃការធ្វើមាត្រដ្ឋាន។ ការរួមបញ្ចូលវិធីសាស្រ្តរៀនម៉ាស៊ីនយ៉ាងស៊ីជម្រៅជាមួយនឹងក្បួនដោះស្រាយការស្វែងរកអ្នកជិតខាងដែលនៅជិតបំផុតបានធ្វើឱ្យវាអាចធ្វើទៅបានដើម្បីនាំយកដំណើរការ និងការធ្វើមាត្រដ្ឋាននៃប្រព័ន្ធវ៉ិចទ័រទៅកម្រិតដែលអាចទទួលយកបានសម្រាប់ម៉ាស៊ីនស្វែងរកធំ។ ឧទាហរណ៍ នៅក្នុង Bing សម្រាប់សន្ទស្សន៍វ៉ិចទ័រដែលមានជាង 150 ពាន់លានវ៉ិចទ័រ ពេលវេលាដើម្បីទាញយកលទ្ធផលដែលពាក់ព័ន្ធបំផុតគឺក្នុងរយៈពេល 8 ms ។

បណ្ណាល័យរួមបញ្ចូលឧបករណ៍សម្រាប់បង្កើតលិបិក្រម និងរៀបចំការស្វែងរកវ៉ិចទ័រ ក៏ដូចជាសំណុំឧបករណ៍សម្រាប់រក្សាប្រព័ន្ធស្វែងរកតាមអ៊ីនធឺណិតដែលចែកចាយគ្របដណ្តប់លើបណ្តុំវ៉ិចទ័រដ៏ធំ។ ផ្តល់ជូន ម៉ូឌុលខាងក្រោម៖ អ្នកបង្កើតលិបិក្រមសម្រាប់ការធ្វើលិបិក្រម អ្នកស្វែងរកសម្រាប់ការស្វែងរកដោយប្រើលិបិក្រមដែលបានចែកចាយក្នុងចង្កោមនៃថ្នាំងជាច្រើន ម៉ាស៊ីនមេសម្រាប់ដំណើរការកម្មវិធីដោះស្រាយលើថ្នាំង អ្នកប្រមូលផ្តុំសម្រាប់រួមបញ្ចូលម៉ាស៊ីនមេជាច្រើនទៅក្នុងតែមួយ និងម៉ាស៊ីនភ្ញៀវសម្រាប់ផ្ញើសំណួរ។ ការបញ្ចូលវ៉ិចទ័រថ្មីទៅក្នុងសន្ទស្សន៍ និងការលុបវ៉ិចទ័រភ្លាមៗត្រូវបានគាំទ្រ។

បណ្ណាល័យបង្កប់ន័យថា ទិន្នន័យដែលបានដំណើរការ និងបង្ហាញនៅក្នុងការប្រមូល ត្រូវបានរៀបចំជាទម្រង់វ៉ិចទ័រដែលពាក់ព័ន្ធ ដែលអាចប្រៀបធៀបបានដោយផ្អែកលើ Euclidean (L2) ឬ កូស៊ីនុស ចម្ងាយ សំណួរស្វែងរកត្រឡប់វ៉ិចទ័រដែលចម្ងាយរវាងពួកវា និងវ៉ិចទ័រដើមមានតិចតួចបំផុត។ SPTAG ផ្តល់នូវវិធីសាស្រ្តពីរសម្រាប់រៀបចំទំហំវ៉ិចទ័រ៖ SPTAG-KDT (មែកធាង K-dimensional (kd-ដើមឈើ) និង ក្រាហ្វនៃសង្កាត់ដែលទាក់ទង) និង SPTAG-BKT (k-មានន័យថាមែកធាង (k មានន័យថាដើមឈើ និងក្រាហ្វអ្នកជិតខាង) ។ វិធីសាស្ត្រទីមួយទាមទារធនធានតិចជាងនៅពេលធ្វើការជាមួយលិបិក្រម ហើយទីពីរបង្ហាញពីភាពត្រឹមត្រូវខ្ពស់នៃលទ្ធផលស្វែងរកសម្រាប់ការប្រមូលវ៉ិចទ័រដ៏ធំបំផុត។

ក្នុងពេលជាមួយគ្នានេះ ការស្វែងរកវ៉ិចទ័រមិនត្រូវបានកំណត់ចំពោះអត្ថបទទេ ហើយអាចត្រូវបានអនុវត្តចំពោះព័ត៌មាន និងរូបភាពពហុព័ត៌មាន ក៏ដូចជានៅក្នុងប្រព័ន្ធសម្រាប់បង្កើតការណែនាំដោយស្វ័យប្រវត្តិផងដែរ។ ឧទាហរណ៍ គំរូមួយក្នុងចំណោមគំរូដែលផ្អែកលើក្របខ័ណ្ឌ PyTorch បានអនុវត្តប្រព័ន្ធវ៉ិចទ័រសម្រាប់ការស្វែងរកដោយផ្អែកលើភាពស្រដៀងគ្នានៃវត្ថុនៅក្នុងរូបភាព ដែលបង្កើតឡើងដោយប្រើប្រាស់ទិន្នន័យពីការប្រមូលឯកសារយោងជាច្រើនដែលមានរូបភាពសត្វ ឆ្មា និងសត្វឆ្កែ ដែលត្រូវបានបំប្លែងទៅជាសំណុំវ៉ិចទ័រ។ . នៅពេលដែលរូបភាពចូលត្រូវបានទទួលសម្រាប់ការស្វែងរក វាត្រូវបានបំប្លែងដោយប្រើគំរូសិក្សាម៉ាស៊ីនទៅជាវ៉ិចទ័រ ដោយផ្អែកលើវ៉ិចទ័រដែលស្រដៀងគ្នាបំផុតត្រូវបានជ្រើសរើសពីលិបិក្រមដោយប្រើក្បួនដោះស្រាយ SPTAG ហើយរូបភាពដែលពាក់ព័ន្ធត្រូវបានត្រឡប់ជាលទ្ធផល។

ប្រភព: opennet.ru