向量检索落地场景探索
目录
向量检索落地场景探索
Zilliz 公司理念：以重新定义数据科学为愿景，致力于打造一家全球领先的开源技术创新公司，并通过开源和云原生解决方案为企业解锁非结构化数据的隐藏价值。
Milvus 在微博内容风控特征工程体系中的实践
背景需求
- 同质化内容恶意营销
架构设计
原文链接
爱奇艺在线向量召回工程服务化实践
背景需求
-
提高工程化效率
如果向量召回服务没有通用化与服务化，则不同业务的算法与系统开发工程师各自需要重复搭建。
对于一个公司的推荐服务来说，会服务多个业务，因此把向量检索服务的搭建与运维简易化、自助化、自动化以及平台化 显得非常重要。
架构设计
PaddleNLP 基于 Milvus 的开源语义检索应用实践
应用背景
1.视频推荐
2.百度搜索
-
文献语义检索
架构设计
百度开源的语义检索系统四大优势
开源实现
基于PaddleNLP搭建一套完整的文献检索系统，包括召回，排序，Milvus召回系统等。
原文链接
快手向量近似计算实践
背景需求
架构设计
自研索引算法
KNN检索（复合索引）
原文链接
Milvus 在思必驰问答系统中的应用
架构设计
Milvus应用
milvus 在家居行业的应用
背景需求
用户可以自己画图，然后检索家具。
架构设计
资源存储
原文链接
vivo 短视频基于 Milvus 的内容去重实践
业务背景
内容去重
难点：亿级样本数据、百万级吞吐、兼顾精度召回
算法流程设计
架构设计
总结
针对上面众多案例，我们的向量检索落地场景可以概括为下面几个方面：
1.针对企业的AI应用服务，搭建一套向量检索引擎服务。让向量检索系统 运维简易化、自助化、自动化以及平台化。企业的AI应用有推荐、智能问答、视频检索、分子检索、NLP等。
2.我们提供了软件、硬件、算法全链路的解决方法，可以针对用户不同的场景端到端进行支持。