微软开源Bing搜索背后的关键算法

微软今天宣布开源了一项 Bing 搜索背后的关键算法 —— SPTAG，它使 Bing 能够快速将搜索结果返回给用户。

仅在几年前，网络搜索很简单，用户输入几个关键词然后浏览结果页面。现如今，这些用户可能会在手机上拍照并将其放入搜索框中，或使用智能助手提问，而无需亲自触摸设备。他们也可能会输入一个问题并期待一个实际的答复，而不是一个可能答案的页面列表。

SPTAG （Space Partition Tree And Graph，空间划分树和图）是分布式近似最近邻域搜索（ANN）库的核心，为大规模矢量搜索场景提供高质量矢量索引构建、搜索和分布式在线服务工具包。

利用 SPTAG 算法作为开源 Python 库的核心，Bing 能够在几毫秒内搜索数十亿条信息。

当然，矢量搜索本身并不是一个新想法，但微软所做的是将这一概念应用于深度学习模型。

首先，团队采用预先训练的模型并将数据编码到矢量中，其中每个矢量代表一个字或像素。然后使用新的 SPTAG 库生成向量索引。随着查询的进入，深度学习模型将该文本或图像转换为向量，该库紧接着就能在索引中找到最相关的向量。

微软表示，SPTAG 库迄今已对超过 1500 亿条数据进行了编目，包括单个单词、字符、网页代码段和完整查询。

“Bing 每天处理数十亿个文档，现在的想法是将这些条目表示为向量，并搜索这个 1000 亿以上向量的巨大索引，以便在 5 毫秒内找到最相关的结果”。

通过将矢量搜索应用到深度学习模型，微软让 Bing 搜索引擎能更快地向用户提供更相关的结果。

例如在 Bing 上搜索“巴黎的塔楼有多高？”，搜索引擎会告诉你埃菲尔铁塔高 324 米（1063 英尺），尽管在搜索关键词中并没有出现“埃菲尔”（Eiffel）这个单词。

Bing 团队期望开源 SPTAG 可用于构建可识别基于音频片段所说语言的应用，或用于让用户拍摄植物照片并识别属和物种的服务。

该库现已开放使用，并提供构建和搜索这些分布式矢量索引的所有工具。

码云极速下载地址
https://gitee.com/mirrors/sptag

开源让世界更美好↓↓↓