awesome search

很棒的搜索

支持乌克兰争取自由的斗争

俄罗斯军舰，去你妈的吧

我构建电子商务搜索应用程序已经近十年了。下面您可以找到激励我的（一些）出版物、会议和书籍的列表。按主题分组（如果一篇文章适合多个主题 - 它会分为多个部分）。

在 GitHub 上给我们加星标——这很有帮助！

另请检查我的其他收藏，很棒的电子商务，很棒的知识图，很棒的云应用程序

主题

• 通用、有趣、哲学
• 搜索类型
  • 经典/词汇搜索
  • 向量/语义搜索
    • 嵌入
      • 向量的类型
        • 密集向量
          • 俄罗斯套娃嵌入
        • 稀疏向量
          • 斯普拉德
      • 编码器型号
        • 主要架构
        • 查询/文档令牌交互
          • 无交互 - 两座塔/双编码器
          • 早期交互 - 交叉编码器
          • 后期互动 - ColBERT
      • 处理高维嵌入
        • 降维
        • 量化
          • 标量量化
          • 二值量化
    • 对称和非对称语义搜索
  • 混合搜索
    • 倒数秩融合 - RRF
  • 多模式搜索
• 应用领域
  • 企业搜索
  • 电商搜索
  • 对话式搜索
  • 地理空间搜索
  • 医疗保健搜索
  • 社交媒体和用户生成的内容搜索
  • 问答系统
  • 个人信息管理
• 搜索结果
  • 检索
    • 关联
      • 相关性算法
  • 排行
    • 多阶段排名
    • 学习排名
      • 点击型号进行搜索
  • 偏见
  • 多样化
  • 个性化
  • 零搜索结果
• 搜索用户体验
  • 贝玛德研究所
  • 尼尔森诺曼集团
  • 企业知识有限责任公司
  • 刻面
    • 偶然的分类学家
  • 其他
• 拼写纠正
• 建议
• 同义词
• 停用词
• 图/分类法/知识图
  • 集成搜索和知识图（按企业知识）
• 查询扩展
• 查询理解
  • 搜索意图
  • 查询分段
• 算法
  • 伯特
  • 科尔伯特
  • 搭配、常用短语
  • 其他算法
• 跟踪、分析、GDPR、分析
• 实验
  • A/B 测试、MAB
• 评估搜索
  • MRR
  • 测试、指标、KPI
    • 指标
    • 关键绩效指标
  • 评估搜索（作者：Daniel Tunkelang）
  • 测量搜索（詹姆斯·鲁宾斯坦）
  • 搜索相关性的三大支柱（作者：Andreas Wagner）
• 建筑学
• 矢量图搜索
• 教育和网络
  • 会议
  • 培训和课程
  • 图书
  • 博客和门户网站、新闻
  • 文件
• 管理、搜寻团队
  • 工作面试
  • 工程
• 行业参与者
  • 名人和影响者
  • 搜索引擎
  • 产品与服务
  • 咨询公司
• 博文系列
  • 搜索优化 101（作者：Charlie Hull）
  • 查询理解（作者：Daniel Tunkelang）
  • 网格动力学
  • 考虑搜索：搜索主题（作者：Derek Sisson）
• 视频
  • 渠道
  • 精选
• 案例研究
  • 一般搜索
  • 多边市场
  • 电子商务
• 数据集
• 工具

未分类

• 沙箱 2021 年 6 月
• 沙箱 2021 年 5 月
• 沙箱 2021 年 4 月
• 沙盒 2020 年 12 月
• 沙箱 2020 年 1 月

通用、有趣、哲学

• 程序员对搜索的误解
• 道德搜索：设计具有积极影响的不可抗拒的旅程
• 论语义搜索
• 反馈债：赛格威给搜索团队带来的教训
• 支持搜索者的旅程：何时以及如何
• 购物不易，我们去寻找吧！
• 搜索质量简介
• 电子商务现场搜索设计模式：架构结构、数据驱动排名等
• 寻找回忆
• 平衡您的搜索预算！

搜索类型

• 搜索技术的演变：展望未来

经典/词汇搜索

• 埃齐。定位搜索中的广泛查询
• Etsy 如何利用热力学帮助您搜索“Geeky”
• 广泛且不明确的搜索查询
• 解构电子商务搜索：12 种查询类型

向量/语义搜索

• 使用 Carousell Spotlight 搜索引擎的密集向量迁移到 Elasticsearch

• 从零到语义搜索嵌入模型

• 选择指数的指南

• 松果系列

  • 用于相似性搜索的最近邻索引
  • 向量搜索中缺少的 WHERE 子句

• 使用 Amazon OpenSearch 和 Amazon Bedrock 创新搜索体验

  对称和非对称语义搜索

  • 对称与非对称语义搜索

嵌入

类型

• 双编码器 vs 交叉编码器？何时使用哪一种？
• 什么是 ColBERT 和后期交互以及为什么它们在搜索中很重要？

编码器型号

• 选择语义搜索的最佳模型

查询/文档令牌交互

无交互 - 两座塔/双编码器

早期交互 - 交叉编码器

后期互动 - ColBERT

• 推出 Vespa ColBERT 嵌入机
• 什么是 ColBERT 和后期交互以及为什么它们在搜索中很重要？

密集向量

俄罗斯套娃嵌入

• Matryoshka 嵌入：使用自适应检索更快的 OpenAI 矢量搜索
• 俄罗斯套娃嵌入模型简介
• 俄罗斯套娃表示。更快的语义搜索指南

稀疏向量

斯普拉德

• 混合搜索：SPLADE（稀疏编码器）
• 稀疏向量搜索的 SPLADE 解释

处理高维嵌入

降维

量化

二进制嵌入

混合搜索

• 混合搜索 > 各个部分的总和？
• 关于混合搜索
• 混合搜索与重新排名

倒数秩融合（RRF）

• 混合搜索与重新排名
• 相互等级融合

多模式搜索

• Muves：带硬件加速的多模式和多语言矢量搜索
• 多模态搜索的模型选择

应用领域

企业搜索

• GenAI 可以改进企业搜索，但仍在进行中

电商搜索

• TF-IDF算法在电子商务搜索中的影响

对话式搜索

• 作为对话进行搜索
• 对话式搜索的功能可供性
• 查询理解和聊天机器人

搜索结果

检索

关联

• 人类寻找事物而不是寻找绳子
• 什么是“相关”搜索结果？
• 如何实现电子商务搜索相关性
• 制定相关性评估计划

相关性算法

• 了解BM25全文检索算法
• 实用 BM25：分片如何影响 Elasticsearch 中的相关性评分、BM25 算法及其变量
• TF-IDF算法在电子商务搜索中的影响
• BM25 下一代 Lucene 相关性
• Lucene 相似性（BM25、DFR、DFI、IB、LM）解释

排行

多阶段排名

• 多阶段排名

学习排名

• 搜索与其他机器学习问题有何不同？
• 强化学习辅助搜索排名
• 电子商务搜索重新排名作为强化学习问题
• 何时使用机器学习与基于分数的搜索排名器
• 什么是学习排名？
• 使用 AI 和机器学习克服 Adob​​e Stock Search 中的位置偏差
• 训练集和测试集的划分用于评估模型排序学习
• LambdaMART 的工作原理 - 优化产品排名目标

点击型号进行搜索

• 点击型号
• Click 电子商务建模
• 使用行为数据改进搜索

偏见

• 什么是搜索中的呈现偏差？
• 处理推荐和搜索中的位置偏差

多样化

• 使用因果语言模型实现搜索结果多样化
• 学习利用多臂强盗实现电子商务搜索多样化
• 发现和灵感的搜索质量
• 如何衡量搜索结果的多样性
• 寻找金发姑娘
• 广泛且模糊的搜索查询 - 识别搜索结果何时需要多样化
• 关于搜索结果多样性的思考

个性化

• 推荐和搜索中的个性化模式
• 丹尼尔·通克朗个性化
• Airbnb - 搜索中的实时个性化
• Facebook 使用 98 个个人数据点向您投放定向广告
• 现实世界推荐系统的架构
• 个性化搜索的特征工程

零搜索结果

• 使用替代查询来减少零结果的策略及其在在线市场中的应用
• 电子商务查询的语义等价

搜索用户体验

贝玛德研究所

• 解构电子商务搜索：12 种查询类型
• 自动引导或引导用户匹配类别
• 13 个自动完成建议的设计模式（27%​​ 错了）
• 电子商务搜索需要支持用户的非产品搜索查询（15% 不需要）
• 搜索用户体验：“无结果”页面的 6 个基本要素
• 产品缩略图应动态更新以匹配搜索的变体（54% 不这样做）
• 分面排序 - 一种对搜索结果进行排序的新方法
• 电子商务搜索的现状
• 电子商务网站需要这 5 个“搜索范围”功能中的多个
• 电子商务搜索字段设计及其启示
• 电子商务网站应包含上下文搜索片段（96% 的人都错了）
• 电子商务搜索可用性：报告和基准
• 六项与“COVID-19”相关的电子商务用户体验改进

尼尔森诺曼集团

• 搜索结果页面上的一见钟情的注视模式
• 搜索结果页面上的良好放弃
• 复杂的搜索结果页面改变搜索行为：弹球模式
• 网站搜索建议
• 搜索日志分析：Web 用户体验研究中最被忽视的机会
• 范围搜索：危险，但有时有用
• 3 搜索引擎“无结果”页面指南

企业知识有限责任公司

• 优化您的搜索体验：以人为本的搜索设计方法

刻面

• 分面搜索的各个方面
• 咖啡，咖啡，咖啡！
• 分面搜索（从这里开始！）
• 如何正确实施分面搜索
• 元数据和分面搜索
• Metacrap：将火炬传递给元乌托邦的七个稻草人
• 梅西百货成为同类最佳的 7 种过滤实施方式
• 分面搜索：最全面的指南。最佳实践、设计模式、隐藏的警告和解决方法
• 方面：约束还是偏好？
• 方面，但哪些方面？

偶然的分类学家

• 分类法应该有多少个方面
• 当分类法不应该是分层的时
• 自定义分类方面

其他

• 从摩擦中学习以改善搜索体验
• 为什么按价格排序这么难？
• 分面排序
• 谷歌终止即时搜索

拼写纠正

• 彼得·诺维格. “如何编写拼写校正器”。经典出版。
• 丹尼尔·通克朗. 《拼写纠正》
• 由单词向量构建的简单拼写检查器
• 仔细研究拼写纠正问题：1,2,3,preDict
• 深度拼写
• Etsy 搜索的拼写纠正建模
• 沃尔夫·加布. 《Sympell》的作者。拼写校正算法速度加快 1000 倍，重点突出 SymSpell 与 BK-tree：模糊字符串搜索和拼写检查速度加快 100 倍，嘈杂文本的快速分词
• Chars2vec：基于字符的语言模型，用于处理具有拼写错误的现实世界文本
• JamSpell，考虑周围上下文的拼写纠正 - 图书馆，（俄语）Исправляем опечатки с учётом контекста
• 嵌入拼写纠正
• 由单词向量构建的简单拼写检查器
• 搜索引擎使用哪些拼写纠正算法？
• Moman - lucene/solr/elasticsearch 拼写校正/自动更正实际上（是？）由这个库提供支持。
• 查询分段和拼写纠正
• 在 Spark NLP 中应用上下文感知拼写检查
• Google、Amazon 和 Pinterest 中的自动更正以及如何编写自己的自动更正

同义词

• 使用同义词增强 Elasticsearch 的功能
• 真正谈论同义词和搜索
• Solr I 中的同义词 — 好的、坏的和丑陋的
• WordNet 中的同义词和反义词
• Python 中的同义词和反义词
• 使用 NLTK 深入研究 WordNet
• 通过自动同义词检测创建更好的搜索
• 使用 Querqy 搜索多词同义词
• 如何构建智能同义词模型
• 同义词在电子商务搜索中的重要性

停用词

• 全停用词查询重要吗？

建议

同义词：自动完成、键入时搜索、建议

• 乔瓦尼·费尔南德斯-金卡德。引导自动建议、构建自动建议语料库、第 1 部分、构建自动建议语料库、第 2 部分、自动建议检索数据结构和算法、自动建议排名
• 关于两类建议
• 改进电子商务的搜索建议
• 自动完成搜索提高转化率的最佳实践
• 为什么我们开发了 searchhub smartSuggest 模块以及为什么它对您可能很重要
• Nielsen Norman Group：站点搜索建议
• 自动完成建议的 13 种设计模式
• 自动完成
• 自动完成和用户体验
• 使用 Elasticsearch 键入时实现类似 Linkedin 的搜索
• 智能自动完成最佳实践：提高搜索相关性和销量
• OLX：为 AutoSuggest 构建语料库（第 1 部分）、AutoSuggest 检索和排名（第 2 部分）
• 自动完成、实时搜索建议和自动更正：最佳实践设计模式
• 镜子，镜子，我接下来要输入什么？关于搜索建议的一切
• 我们如何为 otto.de 构建闪电般快速的自动建议

图/分类法/知识图

• 知识图谱在零售行业的应用

  知识图在科技领域变得越来越流行。我们探索如何在零售行业中使用它们来丰富数据、扩大搜索结果并为零售公司增加价值。

• 很棒的知识图

集成搜索和知识图（按企业知识）

• 第 1 部分：显示关系
• 使用查询嵌入扩展搜索查询

查询扩展

• 查询重写基础知识（第 1 部分）：查询扩展简介

查询理解

• Daniel Tunkelang 查询理解。
• 查询理解，分为三部分
• 搜索不是字符串的东西
• 了解搜索查询。第 1 部分、第 2 部分、第 3 部分
• Uber Eats 优食食品发现：构建查询理解引擎
• 人工智能查询理解

搜索意图

• 将搜索查询映射到搜索意图
• 搜索：意图，而非库存

查询分段

• 仅使用查询日志的论文无监督查询分段
• 语义查询分割论文

算法

伯特

• 了解 BERT 和搜索相关性
• 谷歌正在利用 BERT 改进网络搜索——我们也可以将它用于企业搜索吗？

科尔伯特

• 用于搜索的预训练 Transformer 语言模型 - 第 3 部分

搭配、常用短语

• 从句子流中自动检测常见短语 - 多词表达/单词 n 元组。
• 搭配的不合理有效性

其他算法

• 一热编码
• 使用布隆过滤器编写全文搜索引擎

散列

• 局部敏感哈希
• 局部敏感哈希 (LSH)：实用图解指南
• 明哈什

按平均评分排序

• 优于平均水平：按最佳评分排序
• 如何不按平均评分排序

关键词提取

• 使用 RAKE 提取关键字
• 另一个关键词提取器（Yake）
• 使用 BERT 提取关键字

跟踪、分析、GDPR、分析

用于搜索跟踪的工具、平台和助手

• OpenSearch 用户行为洞察
• 使用 Google Analytics 4 进行网站搜索跟踪
• 扫雪机
• 搜索收集器
• 具有搜索添加功能的 OpenTelemetry
• 脉冲查询分析
• 追踪谁很热门，谁不很热门，这对算法提出了挑战

资源

• 匿名化：管理数据保护风险（实践守则）
• 匿名化决策框架
• Facebook 使用 98 个个人数据点向您投放定向广告
• 搜索机会分析
• AOL 搜索器编号 4417749 的一张脸被曝光
• AOL 搜索数据泄露
• 个人资料

实验

• 搜索实验的常见陷阱
• 通过高效的查询实验改进搜索@scale

A/B 测试、MAB

• 搜索的 A/B 测试有所不同
• A/B 测试搜索：像科学家一样思考

测试、指标、KPI

指标

• 贴现累积收益
• NDCG 的风味 - 归一化为什么！？
• 平均倒数排名
• P@k
• 揭秘 nDCG 和 ERR
• 选择您的搜索相关性评估指标
• 如何在 Quepid 中实施标准化折扣累积增益 (NDCG) 排名质量评分器
• https://en.wikipedia.org/wiki/Precision_and_recall
• https://en.wikipedia.org/wiki/F1_score
• 可视化搜索指标
• 选择您的搜索相关性评估指标
• 使用 Pandas 计算平均倒数排名 (MRR)
• 推荐系统：机器学习指标和业务指标

关键绩效指标

• 衡量搜索效果的 5 种正确方法
• 电子商务网站搜索 KPI。第 1 部分 - 客户，第 2 部分 - 产品，第 3 部分 - 查询
• 从摩擦中学习以改善搜索体验
• 无缝搜索体验的神奇背后
• 使用 Elastic Stack 分析在线搜索相关性指标
• 如何从搜索分析中获得洞察

评估搜索（作者：Daniel Tunkelang）

• 测量一下
• 衡量搜索者行为
• 利用人类的判断力
• 当没有转化率时

测量搜索（詹姆斯·鲁宾斯坦）

• 统计和以人为本的搜索引擎改进方法
• 人性化的方法
• 制定相关性评估计划
• 指标很重要
• A/B 测试搜索：像科学家一样思考
• 查询分类：搜索相关性的秘密武器
• 发布回顾：将所有内容整合在一起......

搜索相关性的三大支柱（作者：Andreas Wagner）

• 第 1 部分：可查找性
• 第 2 部分：发现和灵感的搜索质量

建筑学

• 抽象艺术——重新审视网上商店架构
• Canva - 搜索管道
  • 第一部分 面临的挑战概述
  • 第二部分 新的搜索架构
• 用于高效搜索索引的事件驱动架构

教育和网络

会议

• 激活
• 柏林流行语
• 草垛
• 弹性{开启}
• 混合营电子商务搜索
• SIGIR电子商务
  • 2019年
  • 2018年
  • 2017年

培训和课程

• 机器学习驱动的搜索。道格·特恩布尔 下一篇：2023 年 1 月 24 日

• 开源连接

  • Elasticsearch“像相关工程师一样思考”
  • Solr“像相关性工程师一样思考”
  • 超越搜索相关性：理解和衡量搜索结果质量
  • 你好，LTR

• 海瑟的训练

• 搜索基础知识。 Daniel Tunkelang、Grant Ingersoll 下一篇：2023 年 2 月 6 日

• 使用机器学习进行搜索。 Daniel Tunkelang、Grant Ingersoll 下一篇：2023 年 2 月 27 日

• 寻找产品经理。 Daniel Tunkelang 下一篇：2023 年 4 月 3 日

• Sematext 的 Solr、Elasticsearch 和 OpenSearch 培训

  2023 年秋季

• https://dtunkelang.medium.com/upcoming-search-classes-this-fall-58f877fe00ad

图书

• 人工智能驱动的搜索
• 相关搜索
• 深度学习搜索
• 与搜索系统的交互
• 自然语言处理中的嵌入。意义向量表示的理论和进展
• 搜索用户界面
• 搜索模式
• 您网站的搜索分析：与客户的对话
• 单击模型进行网络搜索
• 优化算法

博客和门户网站

• 搜索新闻

文件

• 论文列表

管理、搜寻团队

• 搜索是一项团队运动
• 关于管理搜索团队的思考
• 论搜索领导力
• 建立有效的搜索团队：出色搜索和相关性的关键
• 查询分类：搜索相关性的秘密武器
• 发布回顾：将所有内容整合在一起
• 搜索产品所有者的角色
• 搜索产品管理：搜索中最容易被误解的角色？
• 搜索人手不足团队的相关性

工作面试

• 搜索相关性工程师、数据科学家和产品经理的面试问题
• 数据科学访谈：排名和搜索

工程

• 搜索中的技术债务

博文系列

搜索优化 101（作者：Charlie Hull）

• 我怎么知道我的搜索已损坏？
• 如果我的搜索“损坏”，这意味着什么？
• 如何修复损坏的搜索？
• 通过优化搜索降低业务风险

查询理解（作者：Daniel Tunkelang）

通过查询理解更好地进行搜索。

• 简介
• 语言识别
• 字符过滤
• 代币化
• 拼写纠正
• 词干提取和词形还原
• 查询重写：概述
• 查询扩展
• 查询放宽
• 查询分段
• 查询范围
• 实体识别
• 分类法和本体论
• 自动完成
• 自动完成和用户体验
• 上下文查询理解：概述
• 会话上下文
• 位置作为上下文
• 季节性
• 个性化
• 作为对话进行搜索
• 澄清对话
• 相关反馈
• 分面搜索
• 搜索结果展示
• 搜索结果片段
• 搜索结果聚类
• 问答
• 查询理解和语音界面
• 查询理解和聊天机器人

网格动力学

• 不是你父亲的搜索引擎：零售搜索简史
• 语义向量搜索：产品发现的新领域
• 通过语义搜索促进产品发现
• 语义查询解析蓝图

考虑搜索：搜索主题（作者：Derek Sisson）

• 简介
• 关于搜索的假设
• 关于用户搜索行为的假设
• 信息收集的类型
• 从结构上看搜索
• 用户和信息检索任务
• 测试搜索
• 有用的搜索链接和参考

行业参与者

名人和影响者

• Daniel Tunkelang（他是搜索之神）
• 马克斯·欧文
• 道格·特恩布尔
• 贝玛德研究所

搜索引擎

• 谷歌
• 必应
• 扬德克斯
• 亚马逊
• 易趣

产品与服务

• 阿尔戈利亚
• 胡蜂
• Elasticsearch - 分布式搜索和分析引擎
• Solr - Solr 是基于 Apache Lucene 的全文向量和地理空间搜索功能构建的超快、开源、多模式搜索平台
• Fess 企业搜索服务器
• Typesense - Algolia 的开源替代品。
• 搜索中心io
• Datafari - 一个开源企业搜索解决方案。
• Qdrant - 一个开源矢量数据库。
• Awakari - 来自无限来源的实时搜索，例如 RSS、Fediverse、Telegram。文本关键字匹配条件、数字条件、条件组。基于反向搜索索引。
• Meilisearch - 支持全文、矢量、地理空间和分面搜索的开源搜索 API

咨询公司

• 大数据精品店
• 开源连接
• https://sease.io/
• 语义文本

案例研究

• Airbnb - 基于机器学习的 Airbnb 体验搜索排名
• Airbnb - 在搜索排名中嵌入列表
• Algolia - Algolia 分布式搜索网络的架构
• 美团 - BERT 在美团搜索核心排序中的探索与实践（??BERT 在美团搜索核心排序的探索与实践）
• Netflix - Netflix 内容工程如何使联合图可搜索（第 1 部分、第 2 部分）
• Netflix - 资产管理平台 (AMP) 中的 Elasticsearch 索引策略
• Skyscanner - 学习航班行程搜索排名
• Slack - 在 Slack 上搜索
• Twitter - 搜索的稳定性和可扩展性
• 亚马逊 SEO 解释：如何让您的产品在 2020 年亚马逊搜索结果中排名第一
• 为语义学者构建更好的搜索引擎

一般搜索

• Bing 如何对搜索结果进行排名：核心算法和蓝色链接
• Google 搜索排名如何运作 – 搜索中的达尔文主义

电子商务

• 搜索和规划

多边市场

• 了解 Cassini（eBay 搜索引擎）的工作原理和排名

视频

Apache Solr 简短技巧

渠道

• 清醒的想法
• 清醒工厂
• Mix-Camp 电商搜索
• 开源连接
• 西吉尔电子商务

精选

• 相关方面

数据集

• 购物查询数据集：用于改进产品搜索的大规模 ESCI 基准
• ESCI-S：Amazon ESCI 数据集的扩展元数据
• 家得宝产品搜索相关性
• WANDS - Wayfair 注释数据集

工具

斯帕西

Awesome Spacy - 自然语言理解、内容丰富等。

词向量

• 用于短语的 Word2Vec — 学习多个单词的嵌入
• Gensim Word2Vec 教程
• 如何将短语合并到 Word2Vec 中——一种文本挖掘方法
• Word2Vec——深度学习的一小步，但却是自然语言处理的巨大飞跃
• 如何使用 Gensim 在 Python 中开发词嵌入

库

• 查询分段器
• https://github.com/zentity-io/zentity
• https://github.com/mammothb/symspellpy
• https://github.com/searchhub/search-collector
• Kiri - 最先进的语义搜索变得简单。
• Haystack - 用于构建数据自然语言搜索界面的端到端 Python 框架。
• https://github.com/castorini/docTTTTTquery

其他

• 合唱、Smui、Querqy
• 奎皮德
• 评级排名评估员
• Jina AI - 神经搜索框架

其他很棒的东西

• 很棒的知识图
• 精彩的时间系列
• 很棒的斯帕西
• 查询理解
• 点击型号