ai powered search

人工智能驱动的搜索

Trey Grainger、Doug Turnbull 和 Max Irwin 所著的《AI-Powered Search 》一书的代码示例。由曼宁出版社出版。

本书概述

AI 支持的搜索教您最新的机器学习技术来构建搜索引擎，不断向您的用户和内容学习，以推动更多领域感知和智能搜索。

搜索引擎技术正在迅速发展，人工智能 (AI) 推动了大部分创新。众包相关性以及 GPT 等大型语言模型 (LLM) 和其他基础模型的集成正在极大地加速搜索技术的能力和期望。

人工智能驱动的搜索将教您现代的、数据科学驱动的搜索技术，例如：

• 使用基础模型的密集向量嵌入进行语义搜索
• 检索增强生成
• 结合搜索和法学硕士的问答和总结
• 微调基于变压器的法学硕士
• 基于用户信号和向量嵌入的个性化搜索
• 收集用户行为信号并构建信号增强模型
• 用于特定领域学习的语义知识图
• 实施机器学习排名模型（学习排名）
• 构建点击模型以自动进行机器学习排名
• 生成搜索、混合搜索和搜索前沿

今天的搜索引擎应该是智能的，能够理解自然语言查询的细微差别，以及每个用户的偏好和上下文。本书使您能够构建搜索引擎，利用用户交互和内容中隐藏的语义关系来自动提供更好、更相关的搜索体验。

如何跑

为了简化设置，所有代码都在 Jupyter Notebook 中提供并打包在 Docker 容器中。这意味着安装 Docker，然后拉取（或构建）并运行本书的 Docker 容器是唯一必要的设置。本书的附录 A 提供了运行代码示例的完整分步说明，但您可以运行以下命令来快速启动和运行：

如果您尚未在本地提取源代码，请运行：

 git clone https://github.com/treygrainger/ai-powered-search.git

然后，要使用交互式 Jupyter 笔记本构建并启动代码库，请运行：

 cd ai-powered-search
docker compose up

这就是所需要的一切！容器构建并运行后（这可能需要一段时间，尤其是在第一次构建时），请访问： http://localhost:8888启动欢迎笔记本并查看整个容器中所有实时代码示例的目录。书。

支持的技术

人工智能驱动的搜索教授许多利用机器学习方法的现代搜索技术。虽然我们利用特定技术来演示概念，但大多数技术适用于许多现代搜索引擎和矢量数据库。

整本书中，所有代码示例均采用Python编写，其中PySpark （ Apache Spark的 Python 接口）大量用于数据处理任务。本书示例使用的默认搜索引擎是Apache Solr ，但大多数示例都是从特定搜索引擎中抽象出来的，并且可交换实现很快将可用于大多数流行的搜索引擎和矢量数据库。有关搜索引擎抽象和自定义集成的更多信息，请查看引擎文档。

查看完整列表：支持的搜索引擎和矢量数据库

[注意：如果您在搜索引擎/矢量数据库公司、项目或托管提供商工作，并希望与我们合作获得您的引擎支持，请联系 [email protected] ]

问题和帮助

您购买AI 支持的搜索包括在线访问 Manning 的 LiveBook 论坛。这使您可以对本书的任何部分提供评论并提出问题。此外，请随时提交拉取请求、Github 问题或对项目官方 Github 存储库的评论：https://github.com/treygrainger/ai-powered-search。

执照

除非另有说明，此存储库中的所有代码都是 Apache 许可证版本 2.0 (ASL 2.0) 下的开源代码。

请注意，执行代码时，它可能会提取遵循备用许可证的其他依赖项，因此请务必在项目中使用这些许可证之前检查它们，以确保它们合适。该代码还可能提取受各种许可证约束的数据集，其中一些可能源自人工智能模型，其中一些可能源自根据出版国（美国）版权法合理使用的数据的网络爬行。任何此类数据集均“按原样”发布，其唯一目的是演示书中的概念，并且这些数据集及其相关许可可能会随着时间的推移而发生变化。

获取这本书的副本

如果您还没有副本，请购买AI-Powered Search的副本来支持作者和出版商。它将逐步引导您了解此存储库中的代码示例中显示的概念和技术，提供所需的上下文和见解，以帮助您更好地理解这些技术。