Kampuni ya Microsoft
Licha ya ukweli kwamba wazo la kutumia uhifadhi wa vekta katika injini za utaftaji limekuwa likielea kwa muda mrefu, kwa vitendo, utekelezaji wao unazuiliwa na nguvu kubwa ya utendakazi na vekta na mapungufu ya ukali. Kuchanganya mbinu za kina za kujifunza kwa mashine na takriban algoriti za utafutaji za jirani kumewezesha kuleta utendakazi na upanuzi wa mifumo ya vekta kwa kiwango kinachokubalika kwa injini kubwa za utafutaji. Kwa mfano, katika Bing, kwa faharasa ya vekta ya zaidi ya vekta bilioni 150, muda wa kupata matokeo muhimu zaidi ni ndani ya 8 ms.
Maktaba inajumuisha zana za kujenga faharasa na kuandaa utafutaji wa vekta, pamoja na seti ya zana za kudumisha mfumo wa utafutaji uliosambazwa mtandaoni unaofunika makusanyo makubwa sana ya vekta.
Maktaba ina maana kwamba data iliyochakatwa na kuwasilishwa katika mkusanyo imeumbizwa katika mfumo wa vekta zinazohusiana ambazo zinaweza kulinganishwa kulingana na
Wakati huo huo, utafutaji wa vekta hauzuiliwi na maandishi na unaweza kutumika kwa habari na picha za multimedia, na pia katika mifumo ya kutoa mapendekezo kiotomatiki. Kwa mfano, moja ya prototypes kulingana na mfumo wa PyTorch ilitekeleza mfumo wa vekta wa kutafuta kulingana na kufanana kwa vitu kwenye picha, iliyojengwa kwa kutumia data kutoka kwa makusanyo kadhaa ya kumbukumbu na picha za wanyama, paka na mbwa, ambazo zilibadilishwa kuwa seti za vekta. . Wakati picha inayoingia inapokewa kwa ajili ya utafutaji, inabadilishwa kwa kutumia kielelezo cha mashine ya kujifunza kuwa kivekta, kulingana na ambayo vekta zinazofanana zaidi huchaguliwa kutoka kwenye faharasa kwa kutumia algoriti ya SPTAG na picha zinazohusiana zinarejeshwa kama matokeo.
Chanzo: opennet.ru