awesome semantic search

Impresionante búsqueda semántica

Logotipo hecho por @CreatedByTango.

Buscando más adiciones de papel. PD: Levanta un PR

El seguimiento del repositorio tiene como objetivo servir a un meta-repository para la búsqueda semántica y las tareas relacionadas con la similitud semántica.

¡La búsqueda semántica no se limita al texto! Se puede hacer con imágenes, habla, etc. Hay numerosas casos de uso diferentes y aplicaciones de búsqueda semántica.

¡No dude en recaudar un RP en este repositorio!

Contenido

• Papeles
  • 2014
  • 2015
  • 2016
  • 2017
  • 2018
  • 2019
  • 2020
  • 2021
  • 2022
  • 2023
• Artículos
• Bibliotecas y herramientas
• Conjuntos de datos
• Hitos

Papeles

2010

• Árboles de rango prioritario
• ¿Recuperación de información y la web semántica?

2014

• ¿Un modelo semántico latente con estructura de poliamiento convolucional para la recuperación de información?

2015

• ¿Vectores de pensamiento de salto?
• LSH práctico y óptimo para la distancia angular

2016

• Bolsa de trucos para una clasificación de texto eficiente?
• ¿Enriquecer los vectores de palabras con información de subvenciones?
• Búsqueda eficiente y robusta de vecinos más cercanos utilizando gráficos jerárquicos navegables pequeños mundiales
• En la búsqueda aproximadamente de incrustaciones de palabras similares
• ¿Aprender representaciones distribuidas de oraciones de datos no marcados?
• Seguimiento aproximado del vecino más cercano en datos de alta dimensión --- Experimentos, análisis y mejora

2017

• ¿Aprendizaje supervisado de representaciones de oraciones universales de datos de inferencia de lenguaje natural?
• ¿Similitud textual semántica para el hindi?
• ¿Sugerencia eficiente de respuesta del lenguaje natural para una respuesta inteligente?

2018

• ¿Codador de oraciones universales?
• ¿Aprender la similitud textual semántica de las conversaciones?
• Blog de Google AI: ¿Avances en la similitud textual semántica?
• Speech2Vec: ¿Un marco de secuencia a secuencia para aprender incrustaciones de palabras del habla)?
• ¿Optimización de la indexación basada en el gráfico de vecino K-Nears para la búsqueda de proximidad en datos de alta dimensión?
• Seguimiento rápido de vecino más cercano aproximado con el gráfico de extensión de navegación
• El caso de las estructuras de índice aprendidas

2019

• Láser: ¿Representaciones de oraciones agnósticas del idioma?
• ¿Expansión de documentos por predicción de consultas?
• Sentencia-Bert: ¿Incrustos de oración usando siamese Bert-Networks?
• ¿Ranking de documentos de varias etapas con Bert?
• Recuperación latente para la respuesta del dominio abierto débilmente supervisado
• Pregunta de dominio abierto de extremo a extremo respondiendo con Bertserini
• BIOBERT: ¿Un modelo de representación de lenguaje biomédico previamente capacitado para la minería de texto biomédico?
• ¿Analizar y mejorar las representaciones con la pérdida suave de vecinos más cercanos?
• Diskann: búsqueda de vecinos más cercanos de mil millones de puntos de mayor precio en un solo nodo

2020

• Implementar rápidamente un motor de búsqueda neuronal para el conjunto de datos de investigación abierta de Covid-19: ¿pensamientos y lecciones preliminares aprendidas?
• Pasaje reanicado con Bert?
• CO-Beurse: Covid-19 Recuperación de información con búsqueda semántica, respuesta de preguntas y resumen abstractos?
• LABSE: ¿INSCRIVIENCIA DE BERT AGNASTICA AGNICACIÓN?
• Covidex: ¿Modelos de clasificación neuronal e infraestructura de búsqueda de palabras clave para el conjunto de datos de investigación abierta de Covid-19?
• DETEXT: ¿Un marco NLP profundo para la comprensión de texto inteligente?
• ¿Hacer incrustaciones de oraciones monolingües multilingües utilizando la destilación del conocimiento?
• Transformadores previos al estado de la clasificación de texto: ¿Bert y más allá?
• Reino: Modelo de lenguaje de recuperación de recuperación previa al entrenamiento
• Electra: ¿codificadores de texto previos a la capacitación como discriminadores en lugar de generadores?
• Mejora del aprendizaje profundo para la búsqueda de Airbnb
• ¿Gestionar la diversidad en la búsqueda de Airbnb?
• ¿Aprendizaje de contraste negativo más cercano vecino más cercano para la recuperación de texto denso?
• ¿Incrustos de estilo de imagen no supervisados ​​para tareas de recuperación y reconocimiento?
• DeclUTR: ¿Aprendizaje de contraste profundo para representaciones textuales no supervisadas?

2021

• ¿Enfoque híbrido para el cálculo de similitud semántica entre palabras tamiles?
• ¿Sbert aumentado?
• Beir: ¿Un punto de referencia heterogéneo para la evaluación de cero disparos de los modelos de recuperación de información?
• ¿Búsqueda visual heterogénea consciente de la compatibilidad?
• ¿Aprender estilo personal de pocos ejemplos?
• TSDAE: ¿Uso de la secuencia secuencial basada en transformador en codificador automático para el aprendizaje de incrustación de oraciones no supervisadas?
• ¿Una encuesta de transformadores?
• Flade: ¿modelo de expansión y léxico escaso para la clasificación de la primera etapa?
• Sugerencias de consultas de búsqueda relacionadas con la alta calidad utilizando el aprendizaje de refuerzo profundo
• ¿Recuperación de productos basada en la incrustación en la búsqueda de Taobao?
• TPRM: ¿Un modelo de clasificación personalizado basado en temas para la búsqueda web?
• Mmarco: ¿una versión multilingüe del conjunto de datos de clasificación de Passage de la Sra. Marco?
• ¿Razonamiento de la base de datos sobre el texto?
• ¿Cómo beneficia a Bert?)?
• Train corto, prueba larga: la atención con sesgos lineales permite la extrapolación de la longitud de entrada?
• Primer: ¿Busca transformadores eficientes para el modelado de idiomas?
• ¿Qué tan familiar suena eso? ¿Análisis de similitud representativa interlingüística de incrustaciones de palabras acústicas?
• SIMCSE: ¿Aprendizaje contrastante simple de las embebidos de las oraciones?
• Atención compositiva: ¿Desengaño de búsqueda y recuperación?
• Spann: búsqueda de vecino más cercano a escala de miles de millones altamente eficiente
• GPL: ¿Etiquetado pseudo generativo para la adaptación del dominio no supervisado de la recuperación densa?
• Motores de búsqueda generativos: ¿Experimentos iniciales?
• Repensar la búsqueda: hacer expertos en dominios fuera de los diletantes -Whiteningbert: un enfoque fácil de incrustación de oraciones sin supervisión

2022

• ¿Embedidas de texto y código por pre-entrenamiento contrastante?
• RELIC: ¿Recuperando evidencia de afirmaciones literarias?
• Trans-Engoder: ¿Modelado de par de oraciones no supervisado a través de distillaciones de autocontrol y mutuos?
• SAMU-XLSR: ¿Representación del habla multimodal de nivel multimodal alineado semánticamente?
• ¿Un análisis de las funciones de fusión para la recuperación híbrida?
• Detección fuera de distribución con profundos vecinos más cercanos
• ESB: ¿Un punto de referencia para el reconocimiento de voz de extremo a extremo multidominio?
• ¿Analizar las incrustaciones de palabras acústicas de los modelos de discurso auto-supervisados ​​previamente entrenados)?
• Repensar con recuperación: ¿inferencia de modelo de idioma grande fiel?
• ¿Recuperación densa de disparo cero preciso sin etiquetas de relevancia?
• ¿Memoria del transformador como un índice de búsqueda diferenciable?

2023

• Finger: ¿Inferencia rápida para la búsqueda de vecinos más cercanos más cercanos basados ​​en gráficos?
• Clasificación de texto de "bajo recurso": ¿Un método de clasificación sin parámetros con compresores?
• SPARSEEMBED: ¿Aprender representaciones léxicas dispersas con incrustaciones contextuales para la recuperación?

Artículos

• Abordar la búsqueda semántica
• Búsqueda semántica en la búsqueda cognitiva de Azure
• Cómo usamos la búsqueda semántica para hacer que nuestra búsqueda sea 10 veces más inteligente
• Blog de AI de Stanford: construcción de modelos de PNL escalables, explicables y adaptables con recuperación
• Construir un motor de búsqueda semántico con incrustaciones de palabras de doble espacio
• Billion-Scale Semantic Simility Search con FAISS+SBERT
• Algunas observaciones sobre los umbrales de búsqueda de similitud
• Búsqueda de imágenes casi duplicada utilizando el hash de localidad sensible
• Curso gratuito sobre búsqueda de similitud vectorial y faiss
• Guía integral para los algoritmos aproximados de vecinos más cercanos
• Introducir el índice híbrido para habilitar la búsqueda semántica de palabras clave
• Búsqueda semántica de argilla
• CO: Aquí hay modelo de comprensión de texto multilingüe
• Simplifique los modelos de incrustación multilingüe de la búsqueda

Bibliotecas y herramientas

• contenedor
• Codificador de oraciones universales
• Sbert
• Electra
• Labero
• LÁSER
• Relevancia AI - Plataforma vectorial desde la experimentación hasta la implementación
• Almiar
• Jina.ai
• piña
• Kit de herramientas sentimentales
• ranx
• Beir: Benchmarking IR
• Reliquia: recuperar evidencia del conjunto de datos de reclamos literarios
• Matchzoo-Py
• profundo_text_matching
• ¿Qué marco?
• léxico.
• Emoji Semántica Search
• Pyserini
• Bertserini
• Bertsimilaridad
• Milvus
• Neuronlp ++
• tejido
• Wikipedia de búsqueda semántica
• búsqueda de yeutube natural
• lo mismo. Energía
• Ann Benchmarks
• escaneo
• REINO
• enojarse
• pynndescente
• nsg
• Halcón
• Redis HNSW
• autofaiss
• RPD
• rank_bm25
• Estancamiento
• cercano
• vear
• vespa
• Pynndescente
• pgann
• Similitud de flujo tensor
• opensemanticEearch.org
• GPT3 Búsqueda semántica
• de búsqueda
• Txtai
• Hipertag
• vectori
• holgazán
• Aguiladb
• Stripnet

Conjuntos de datos

• Hub del conjunto de datos de similitud de texto semántico
• Desafío de similitud de imagen de Facebook AI
• Wit: conjunto de datos de texto de imagen basado en Wikipedia
• Beir
• MteB

Hitos

Eche un vistazo a la junta del proyecto para la lista de tareas para contribuir a cualquiera de los problemas abiertos.