awesome search

很棒的搜索

支持烏克蘭爭取自由的鬥爭

俄羅斯軍艦，去你媽的吧

我建立電子商務搜尋應用程式已經近十年了。下面您可以找到激勵我的（一些）出版物、會議和書籍的清單。按主題分組（如果一篇文章適合多個主題 - 它會分為多個部分）。

在 GitHub 上為我們加星標——這很有幫助！

也請檢查我的其他收藏，很棒的電子商務，很棒的知識圖，很棒的雲端應用程式

主題

• 通用、有趣、哲學
• 搜尋類型
  • 經典/詞彙搜索
  • 向量/語義搜尋
    • 嵌入
      • 向量的類型
        • 密集向量
          • 俄羅斯娃娃嵌入
        • 稀疏向量
          • 史普拉德
      • 編碼器型號
        • 主要架構
        • 查詢/文檔令牌交互
          • 無互動 - 兩座塔/雙編碼器
          • 早期互動 - 交叉編碼器
          • 後期互動 - ColBERT
      • 處理高維嵌入
        • 降維
        • 量化
          • 標量量化
          • 二值量化
    • 對稱和非對稱語義搜索
  • 混合搜尋
    • 倒數秩融合 - RRF
  • 多模式搜尋
• 應用領域
  • 企業搜尋
  • 電商搜尋
  • 對話式搜尋
  • 地理空間搜尋
  • 醫療保健搜尋
  • 社交媒體和用戶生成的內容搜索
  • 問答系統
  • 個人資訊管理
• 搜尋結果
  • 檢索
    • 關聯
      • 相關性演算法
  • 排行
    • 多階段排名
    • 學習排名
      • 點擊型號進行搜尋
  • 偏見
  • 多樣化
  • 個人化
  • 零搜尋結果
• 搜尋使用者體驗
  • 貝瑪德研究所
  • 尼爾森諾曼集團
  • 企業知識有限責任公司
  • 刻面
    • 偶然的分類學家
  • 其他
• 拼字糾正
• 建議
• 同義詞
• 停用詞
• 圖/分類法/知識圖
  • 整合搜尋和知識圖（按企業知識）
• 查詢擴充
• 查詢理解
  • 搜尋意圖
  • 查詢分段
• 演算法
  • 伯特
  • 科爾伯特
  • 搭配、常用短語
  • 其他演算法
• 追蹤、分析、GDPR、分析
• 實驗
  • A/B 測試、MAB
• 評估搜尋
  • MRR
  • 測試、指標、KPI
    • 指標
    • 關鍵績效指標
  • 評估搜尋（作者：Daniel Tunkelang）
  • 測量搜尋（詹姆斯·魯賓斯坦）
  • 搜尋相關性的三大支柱（作者：Andreas Wagner）
• 建築學
• 向量圖搜尋
• 教育和網絡
  • 會議
  • 培訓和課程
  • 圖書
  • 部落格和入口網站、新聞
  • 文件
• 管理、搜尋團隊
  • 工作面試
  • 工程
• 產業參與者
  • 名人和影響者
  • 搜尋引擎
  • 產品與服務
  • 顧問公司
• 博文系列
  • 搜尋優化 101（作者：Charlie Hull）
  • 查詢理解（作者：Daniel Tunkelang）
  • 網格動力學
  • 考慮搜尋：搜尋主題（作者：Derek Sisson）
• 影片
  • 頻道
  • 精選
• 案例研究
  • 一般搜尋
  • 多邊市場
  • 電子商務
• 數據集
• 工具

未分類

• 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、哲學

• 程式設計師對搜尋的誤解
• 道德搜尋：設計具有正面影響的不可抗拒的旅程
• 論語義搜尋
• 回饋債：賽格威為搜尋團隊帶來的教訓
• 支持搜尋者的旅程：何時以及如何
• 購物不易，我們去尋找吧！
• 搜尋品質簡介
• 電子商務現場搜尋設計模式：架構結構、資料驅動排名等
• 尋找回憶
• 平衡您的搜尋預算！

搜尋類型

• 搜尋技術的演進：展望未來

經典/詞彙搜索

• 埃齊。定位搜尋中的廣泛查詢
• Etsy 如何利用熱力學來幫助您搜尋“Geeky”
• 廣泛且不明確的搜尋查詢
• 解構電子商務搜尋：12 種查詢類型

向量/語義搜尋

• 使用 Carousell Spotlight 搜尋引擎的密集向量遷移到 Elasticsearch

• 從零到語意搜尋嵌入模型

• 選擇指數的指南

• 松果系列

  • 用於相似性搜尋的最近鄰索引
  • 向量搜尋中缺少的 WHERE 子句

• 使用 Amazon OpenSearch 和 Amazon Bedrock 創新搜尋體驗

  對稱和非對稱語義搜索

  • 對稱與非對稱語意搜索

嵌入

類型

• 雙編碼器 vs 交叉編碼器？
• 什麼是 ColBERT 和後期互動以及為什麼它們在搜尋中很重要？

編碼器型號

• 選擇語意搜尋的最佳模型

查詢/文檔令牌交互

無互動 - 兩座塔/雙編碼器

早期互動 - 交叉編碼器

後期互動 - ColBERT

• 推出 Vespa ColBERT 嵌入機
• 什麼是 ColBERT 和後期互動以及為什麼它們在搜尋中很重要？

密集向量

俄羅斯娃娃嵌入

• Matryoshka 嵌入：使用自適應檢索更快的 OpenAI 向量搜尋
• 俄羅斯娃娃嵌入模型簡介
• 俄羅斯娃娃表示。更快的語義搜尋指南

稀疏向量

史普拉德

• 混合搜尋：SPLADE（稀疏編碼器）
• 稀疏向量搜尋的 SPLADE 解釋

處理高維嵌入

降維

量化

二進位嵌入

混合搜尋

• 混合搜尋 > 各部分的總和？
• 關於混合搜尋
• 混合搜尋與重新排名

倒數秩融合（RRF）

• 混合搜尋與重新排名
• 相互等級融合

多模式搜尋

• Muves：具有硬體加速的多模式和多語言向量搜索
• 多模態搜尋的模型選擇

應用領域

企業搜尋

• GenAI 可以改進企業搜索，但仍在進行中

電商搜尋

• TF-IDF演算法在電子商務搜尋中的影響

對話式搜尋

• 作為對話進行搜尋
• 對話式搜尋的功能可供性
• 查詢理解與聊天機器人

搜尋結果

檢索

關聯

• 人類尋找事物而不是尋找繩子
• 什麼是「相關」搜尋結果？
• 如何實現電子商務搜尋相關性
• 制定相關性評估計劃

相關性演算法

• 了解BM25全文檢索演算法
• 實用 BM25：分片如何影響 Elasticsearch 中的相關性評分、BM25 演算法及其變量
• TF-IDF演算法在電子商務搜尋中的影響
• BM25 下一代 Lucene 相關性
• Lucene 相似性（BM25、DFR、DFI、IB、LM）解釋

排行

多階段排名

• 多階段排名

學習排名

• 搜尋與其他機器學習問題有何不同？
• 強化學習輔助搜尋排名
• 電子商務搜尋重新排名作為強化學習問題
• 何時使用機器學習與基於分數的搜尋排名器
• 什麼是學習排名？
• 使用 AI 和機器學習克服 Adob​​e Stock Search 中的位置偏差
• 訓練集和測試集的劃分用於評估模型排序學習
• LambdaMART 的工作原理 - 優化產品排名目標

點擊型號進行搜尋

• 點擊型號
• Click 電子商務建模
• 使用行為數據改進搜尋

偏見

• 什麼是搜尋中的呈現偏差？
• 處理推薦和搜尋中的位置偏差

多樣化

• 使用因果語言模型實現搜尋結果多樣化
• 學習利用多臂強盜實現電子商務搜尋多樣化
• 發現和靈感的搜尋質量
• 如何衡量搜尋結果的多樣性
• 尋找金髮姑娘
• 廣泛且模糊的搜尋查詢 - 識別搜尋結果何時需要多樣化
• 關於搜尋結果多樣性的思考

個人化

• 推薦和搜尋中的個人化模式
• 丹尼爾·通克朗個性化
• Airbnb - 搜尋中的即時個人化
• Facebook 使用 98 個個人資料點向您投放目標廣告
• 現實世界推薦系統的架構
• 個性化搜尋的特質工程

零搜尋結果

• 使用替代查詢來減少零結果的策略及其在線上市場中的應用
• 電子商務查詢的語意等價

搜尋使用者體驗

貝瑪德研究所

• 解構電子商務搜尋：12 種查詢類型
• 自動引導或引導使用者配對類別
• 13 個自動完成建議的設計模式（27%​​ 錯了）
• 電子商務搜尋需要支援用戶的非產品搜尋查詢（15% 不需要）
• 搜尋使用者體驗：「無結果」頁面的 6 個基本要素
• 產品縮圖應動態更新以匹配搜尋的變體（54% 不這樣做）
• 分面排序 - 一種對搜尋結果進行排序的新方法
• 電子商務搜尋的現狀
• 電子商務網站需要這 5 個「搜尋範圍」功能中的多個
• 電子商務搜尋字段設計及其啟示
• 電子商務網站應包含上下文搜尋片段（96% 的人都錯了）
• 電子商務搜尋可用性：報告和基準
• 六項與「COVID-19」相關的電子商務使用者體驗改進

尼爾森諾曼集團

• 搜尋結果頁面上的一見鍾情的注視模式
• 搜尋結果頁面上的良好放棄
• 複雜的搜尋結果頁面改變搜尋行為：彈珠模式
• 網站搜尋建議
• 搜尋日誌分析：Web 使用者體驗研究中最被忽視的機會
• 範圍搜尋：危險，但有時有用
• 3 搜尋引擎「無結果」頁面指南

企業知識有限責任公司

• 優化您的搜尋體驗：以人為本的搜尋設計方法

刻面

• 分面搜尋的各個方面
• 咖啡，咖啡，咖啡！
• 分面搜尋（從這裡開始！）
• 如何正確實施分面搜索
• 元資料和分面搜尋
• Metacrap：將火炬傳遞給元烏托邦的七個稻草人
• 梅西百貨成為同類最佳的 7 種過濾實施方式
• 分面搜尋：最全面的指南。最佳實踐、設計模式、隱藏的警告和解決方法
• 方面：約束還是偏好？
• 方面，但哪些方面？

偶然的分類學家

• 分類法應該有多少個面向
• 當分類法不應該是分層的時
• 自訂分類方面

其他

• 從摩擦中學習以改善搜尋體驗
• 為什麼要按價格排序這麼難？
• 分面排序
• 谷歌終止即時搜尋

拼字糾正

• 彼得·諾維格. 「如何寫拼字校正器」。經典出版。
• 丹尼爾·通克朗. 《拼字糾正》
• 由單字向量建立的簡單拼字檢查器
• 仔細研究拼字糾正問題：1,2,3,preDict
• 深度拼字
• Etsy 搜尋的拼字修正建模
• 沃爾夫·加布. 《Sympell》的作者。拼字校正演算法速度加快 1000 倍，重點突出 SymSpell 與 BK-tree：模糊字串搜尋和拼字檢查速度加快 100 倍，雜訊文字的快速分詞
• Chars2vec：基於字元的語言模型，用於處理具有拼字錯誤的現實世界文本
• JamSpell，考慮周圍上下文的拼寫糾正 - 圖書館，（俄語）Исправляем опечатки с учётом контекста
• 嵌入拼字糾正
• 由單字向量建立的簡單拼字檢查器
• 搜尋引擎使用哪些拼字糾正演算法？
• Moman - lucene/solr/elasticsearch 拼字校正/自動修正實際上（是？）由這個函式庫提供支援。
• 查詢分段和拼字糾正
• 在 Spark NLP 中應用上下文感知拼字檢查
• Google、Amazon 和 Pinterest 中的自動更正以及如何編寫自己的自動更正

同義詞

• 使用同義詞增強 Elasticsearch 的功能
• 真正談論同義詞和搜索
• Solr I 中的同義詞 — 好的、壞的和醜陋的
• WordNet 中的同義詞和反義詞
• Python 中的同義詞和反義詞
• 使用 NLTK 深入研究 WordNet
• 透過自動同義詞檢測創建更好的搜索
• 使用 Querqy 搜尋多詞同義詞
• 如何建構智慧同義詞模型
• 同義詞在電子商務搜尋中的重要性

停用詞

• 全停用詞查詢重要嗎？

建議

同義詞：自動完成、鍵入時搜尋、建議

• 喬瓦尼·費爾南德斯-金卡德。引導自動建議、建立自動建議語料庫、第 1 部分、建立自動建議語料庫、第 2 部分、自動建議檢索資料結構和演算法、自動建議排名
• 關於兩類建議
• 改進電子商務的搜尋建議
• 自動完成搜尋提高轉換率的最佳實踐
• 為什麼我們開發了 searchhub smartSuggest 模組以及為什麼它對您可能很重要
• Nielsen Norman Group：站點搜尋建議
• 自動完成建議的 13 種設計模式
• 自動完成
• 自動完成和使用者體驗
• 使用 Elasticsearch 鍵入時實現類似 Linkedin 的搜索
• 智慧自動完成最佳實踐：提高搜尋相關性和銷量
• OLX：為 AutoSuggest 建立語料庫（第 1 部分）、AutoSuggest 檢索和排名（第 2 部分）
• 自動完成、即時搜尋建議和自動更正：最佳實踐設計模式
• 鏡子，鏡子，我接下來要輸入什麼？關於搜尋建議的一切
• 我們如何為 otto.de 構建閃電般快速的自動建議

圖/分類法/知識圖

• 知識圖譜在零售業的應用

  知識圖在科技領域變得越來越流行。我們探索如何在零售業中使用它們來豐富數據、擴大搜尋結果並為零售公司增加價值。

• 很棒的知識圖

整合搜尋和知識圖（按企業知識）

• 第 1 部分：顯示關係
• 使用查詢嵌入擴充功能搜尋查詢

查詢擴充

• 查詢重寫基礎知識（第 1 部分）：查詢擴充簡介

查詢理解

• Daniel Tunkelang 查詢理解。
• 查詢理解，分為三部分
• 搜尋不是字串的東西
• 了解搜尋查詢。第 1 部分、第 2 部分、第 3 部分
• Uber Eats 優食食品發現：建立查詢理解引擎
• 人工智慧查詢理解

搜尋意圖

• 將搜尋查詢對應到搜尋意圖
• 搜尋：意圖，而非庫存

查詢分段

• 僅使用查詢日誌的論文無監督查詢分段
• 語意查詢分割論文

演算法

伯特

• 了解 BERT 和搜尋相關性
• 谷歌正在利用 BERT 改進網路搜尋——我們也可以將它用於企業搜尋嗎？

科爾伯特

• 用於搜尋的預訓練 Transformer 語言模型 - 第 3 部分

搭配、常用短語

• 從句子流中自動偵測常見片語 - 多字表達/單字 n 元組。
• 搭配的不合理有效性

其他演算法

• 一熱編碼
• 使用布隆過濾器編寫全文搜尋引擎

散列

• 局部敏感哈希
• 局部敏感哈希 (LSH)：實用圖解指南
• 明哈什

按平均分數排序

• 優於平均：依最佳評分排序
• 如何不按平均分數排序

關鍵字擷取

• 使用 RAKE 提取關鍵字
• 另一個關鍵字提取器（Yake）
• 使用 BERT 提取關鍵字

追蹤、分析、GDPR、分析

用於搜尋追蹤的工具、平台和助手

• OpenSearch 使用者行為洞察
• 使用 Google Analytics 4 進行網站搜尋追蹤
• 掃雪機
• 搜尋收集器
• 具有搜尋新增功能的 OpenTelemetry
• 脈衝查詢分析
• 追蹤誰很熱門，誰不很熱門，這對演算法提出了挑戰

資源

• 匿名化：管理資料保護風險（實務守則）
• 匿名化決策框架
• Facebook 使用 98 個個人資料點向您投放目標廣告
• 搜尋機會分析
• AOL 搜尋器編號 4417749 的一張臉被曝光
• AOL 搜尋資料洩露
• 個人資料

實驗

• 搜尋實驗的常見陷阱
• 透過高效率的查詢實驗改進搜尋@scale

A/B 測試、MAB

• 搜尋的 A/B 測試有所不同
• A/B 測試搜尋：像科學家一樣思考

測試、指標、KPI

指標

• 折現累積收益
• NDCG 的風味 - 歸一化為什麼！
• 平均倒數排名
• P@k
• 揭秘 nDCG 和 ERR
• 選擇您的搜尋相關性評估指標
• 如何在 Quepid 中實施標準化折扣累積增益 (NDCG) 排名品質評分器
• https://en.wikipedia.org/wiki/Precision_and_recall
• https://en.wikipedia.org/wiki/F1_score
• 可視化搜尋指標
• 選擇您的搜尋相關性評估指標
• 使用 Pandas 計算平均倒數排名 (MRR)
• 推薦系​​統：機器學習指標與業務指標

關鍵績效指標

• 衡量搜尋效果的 5 種正確方法
• 電子商務網站搜尋 KPI。第 1 部分 - 客戶，第 2 部分 - 產品，第 3 部分 - 查詢
• 從摩擦中學習以改善搜尋體驗
• 無縫搜尋體驗的神奇背後
• 使用 Elastic Stack 分析線上搜尋相關性指標
• 如何從搜尋分析中獲得洞察

評估搜尋（作者：Daniel Tunkelang）

• 測量一下
• 衡量搜尋者行為
• 利用人類的判斷力
• 當沒有轉換率時

測量搜尋（詹姆斯·魯賓斯坦）

• 統計和以人為本的搜尋引擎改進方法
• 人性化的方法
• 制定相關性評估計劃
• 指標很重要
• A/B 測試搜尋：像科學家一樣思考
• 查詢分類：搜尋相關性的秘密武器
• 發布回顧：將所有內容整合在一起...

搜尋相關性的三大支柱（作者：Andreas Wagner）

• 第 1 部分：可尋找性
• 第 2 部分：發現和靈感的搜尋質量

建築學

• 抽象藝術－重新檢視網路商店架構
• Canva - 搜尋管道
  • 第一部分 面臨的挑戰概述
  • 第二部分 新的搜尋架構
• 用於高效搜尋索引的事件驅動架構

教育和網絡

會議

• 啟用設定
• 柏林流行語
• 草垛
• 彈性{開啟}
• 混合營電子商務搜索
• SIGIR電子商務
  • 2019年
  • 2018年
  • 2017年

培訓和課程

• 機器學習驅動的搜尋。道格‧特恩布爾 下一篇：2023 年 1 月 24 日

• 開源連線

  • Elasticsearch“像相關工程師一樣思考”
  • Solr“像相關性工程師一樣思考”
  • 超越搜尋相關性：理解和衡量搜尋結果質量
  • 你好，LTR

• 海瑟的訓練

• 搜尋基礎知識。 Daniel Tunkelang、Grant Ingersoll 下一篇：2023 年 2 月 6 日

• 使用機器學習進行搜尋。 Daniel Tunkelang、Grant Ingersoll 下一篇：2023 年 2 月 27 日

• 尋找產品經理。 Daniel Tunkelang 下一篇：2023 年 4 月 3 日

• Sematext 的 Solr、Elasticsearch 和 OpenSearch 培訓

  2023 年秋季

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

圖書

• 人工智慧驅動的搜尋
• 相關搜尋
• 深度學習搜尋
• 與搜尋系統的交互
• 自然語言處理中的嵌入。意義向量表示的理論與進展
• 搜尋使用者介面
• 搜尋模式
• 您網站的搜尋分析：與客戶的對話
• 點擊模型進行網路搜尋
• 最佳化演算法

部落格和入口網站

• 搜尋新聞

文件

• 論文列表

管理、搜尋團隊

• 搜尋是一項團隊運動
• 關於管理搜尋團隊的思考
• 論搜尋領導力
• 建立有效的搜尋團隊：出色搜尋和相關性的關鍵
• 查詢分類：搜尋相關性的秘密武器
• 發布回顧：將所有內容整合在一起
• 搜尋產品所有者的角色
• 搜尋產品管理：搜尋中最容易被誤解的角色？
• 搜尋人手不足團隊的相關性

工作面試

• 搜尋相關性工程師、資料科學家和產品經理的面試問題
• 數據科學訪談：排名和搜索

工程

• 搜尋中的技術債

博文系列

搜尋優化 101（作者：Charlie Hull）

• 我怎麼知道我的搜尋已損壞？
• 如果我的搜尋“損壞”，這意味著什麼？
• 如何修復損壞的搜尋？
• 透過優化搜尋降低業務風險

查詢理解（作者：Daniel Tunkelang）

透過查詢理解更好地進行搜尋。

• 簡介
• 語言識別
• 字元過濾
• 代幣化
• 拼字糾正
• 詞幹擷取與詞形還原
• 查詢重寫：概述
• 查詢擴充
• 查詢放寬
• 查詢分段
• 查詢範圍
• 實體識別
• 分類法和本體論
• 自動完成
• 自動完成和使用者體驗
• 上下文查詢理解：概述
• 會話上下文
• 位置作為上下文
• 季節性
• 個人化
• 作為對話進行搜尋
• 澄清對話
• 相關回饋
• 分面搜尋
• 搜尋結果展示
• 搜尋結果片段
• 搜尋結果聚類
• 問答
• 查詢理解和語音介面
• 查詢理解與聊天機器人

網格動力學

• 不是你父親的搜尋引擎：零售搜尋簡史
• 語意向量搜尋：產品發現的新領域
• 透過語意搜尋促進產品發現
• 語意查詢解析藍圖

考慮搜尋：搜尋主題（作者：Derek Sisson）

• 簡介
• 關於搜尋的假設
• 關於用戶搜尋行為的假設
• 資訊收集的類型
• 從結構上看搜尋
• 使用者和資訊檢索任務
• 測試搜尋
• 有用的搜尋連結和參考

產業參與者

名人和影響者

• Daniel Tunkelang（他是搜尋之神）
• 馬克斯·歐文
• 道格·特恩布爾
• 貝瑪德研究所

搜尋引擎

• Google
• 必應
• 揚德克斯
• 亞馬遜
• 易趣

產品與服務

• 阿爾戈利亞
• 胡蜂
• Elasticsearch - 分散式搜尋和分析引擎
• Solr - Solr 是基於 Apache Lucene 的全文向量和地理空間搜尋功能所建構的超快、開源、多模式搜尋平台
• Fess 企業搜尋伺服器
• Typesense - Algolia 的開源替代品。
• 搜尋中心io
• Datafari - 一個開源企業搜尋解決方案。
• Qdrant - 一個開源向量資料庫。
• Awakari - 來自無限來源的即時搜索，例如 RSS、Fediverse、Telegram。文字關鍵字符合條件、數字條件、條件組。基於反向搜尋索引。
• Meilisearch - 支援全文、向量、地理空間和分面搜尋的開源搜尋 API

顧問公司

• 大數據精品店
• 開源連線
• https://sease.io/
• 語意文本

案例研究

• Airbnb - 以機器學習為基礎的 A​​irbnb 體驗搜尋排名
• Airbnb - 在搜尋排名中嵌入列表
• Algolia - Algolia 分散式搜尋網路的架構
• 美團 - BERT 在美團搜尋核心排序中的探索與實踐（??BERT 在美團搜尋核心排序的探索與實踐）
• Netflix - Netflix 內容工程如何讓聯合圖可搜尋（第 1 部分、第 2 部分）
• Netflix - 資產管理平台 (AMP) 中的 Elasticsearch 索引策略
• Skyscanner - 學習航班行程搜尋排名
• Slack - 在 Slack 上搜尋
• Twitter - 搜尋的穩定性和可擴展性
• 亞馬遜 SEO 解釋：如何讓您的產品在 2020 年亞馬遜搜尋結果中排名第一
• 為語意學者建立更好的搜尋引擎

一般搜尋

• Bing 如何對搜尋結果進行排名：核心演算法和藍色鏈接
• Google 搜尋排名如何運作 – 搜尋中的達爾文主義

電子商務

• 搜尋和規劃

多邊市場

• 了解 Cassini（eBay 搜尋引擎）的工作原理和排名

影片

Apache Solr 簡短技巧

頻道

• 清醒的想法
• 清醒工廠
• Mix-Camp 電商搜尋
• 開源連線
• 西吉爾電子商務

精選

• 相關方面

數據集

• 購物查詢資料集：用於改進產品搜尋的大規模 ESCI 基準
• ESCI-S：Amazon ESCI 資料集的擴展元數據
• 家得寶產品搜尋相關性
• WANDS - Wayfair 註解資料集

工具

史帕西

Awesome Spacy - 自然語言理解、內容豐富等。

詞向量

• 用於短語的 Word2Vec — 學習多個單字的嵌入
• Gensim Word2Vec 教學課程
• 如何將短語合併到 Word2Vec 中—一種文字挖掘方法
• Word2Vec－深度學習的一小步，但卻是自然語言處理的巨大飛躍
• 如何使用 Gensim 在 Python 中開發詞嵌入

庫

• 查詢分段器
• https://github.com/zentity-io/zentity
• https://github.com/mammothb/symspellpy
• https://github.com/searchhub/search-collector
• Kiri - 最先進的語意搜尋變得簡單。
• Haystack - 用於建立資料自然語言搜尋介面的端對端 Python 框架。
• https://github.com/castorini/docTTTTTquery

其他

• 合唱、Smui、Querqy
• 奎皮德
• 評級排名評估員
• Jina AI - 神經搜尋框架

其他很棒的東西

• 很棒的知識圖
• 精彩的時間系列
• 很棒的斯帕西
• 查詢理解
• 點擊型號