awesome semantic search

很棒的语义搜索

由@CreatedByTango制作的徽标。

寻找更多纸张。 PS：提高公关

以下存储库旨在为语义搜索和语义相似性与任务相关的元重复器服务。

语义搜索不限于文本！可以通过图像，语音等来完成。在语义搜索中有许多不同的用例和应用。

随时在此存储库中提出公关！

内容

• 文件
  • 2014
  • 2015
  • 2016
  • 2017
  • 2018
  • 2019
  • 2020
  • 2021
  • 2022
  • 2023
• 文章
• 库和工具
• 数据集
• 里程碑

文件

2010

• 优先范围树
• 信息检索和语义网？

2014

• 具有卷积通用结构的潜在语义模型用于信息检索？

2015

• 跳过思想媒介？
• 角度距离的实用和最佳LSH

2016

• 有效的文本分类的技巧袋？
• 用子字信息丰富单词向量？
• 使用层次可导航的小世界图表有效且健壮的近似近似邻居搜索
• 大约搜索类似的单词嵌入
• 从未标记的数据中学习句子的分布式表示？
• 大约最近的邻居搜索高维数据---实验，分析和改进

2017

• 从自然语言推理数据中监督通用句子表示的学习？
• 印地语的语义文本相似性？
• 有效的自然语言回应建议智能回复？

2018

• 通用句子编码器？
• 从对话中学习语义文本相似性？
• Google AI博客：语义文本相似性的进步？
• Speech2Vec：从语音中学习单词嵌入的顺序到序列框架）？
• 基于k-nearest邻居图的索引优化在高维数据中以邻近搜索？
• 通过导航扩散图快速近似最近的邻居搜索
• 学习指数结构的情况

2019

• 激光：语言不可知论表示？
• 通过查询预测扩展文档？
• 句子 - 伯特：使用Siamese Bert-Networks的句子嵌入？
• 多阶段文档排名与Bert？
• 弱监督的开放域问回答潜在检索
• 端到端的开放域问题与Bertserini回答
• Biobert：生物医学文本挖掘的预训练的生物医学语言代表模型？
• 通过软邻居损失分析和改善表示形式？
• Diskann：在一个节点上快速准确的十亿点最近邻居搜索

2020

• 迅速为Covid-19开放研究数据集的神经搜索引擎快速部署：初步的思想和经验教训？
• 通过伯特重新排名？
• 共同搜索：COVID-19通过语义搜索，问答和抽象摘要的信息检索？
• Labse：语言不合时宜的bert句子嵌入？
• Covidex：Covid-19开放研究数据集的神经排名模型和关键字搜索基础架构？
• detext：一个深入的NLP框架，用于智能文本理解？
• 使用知识蒸馏使单语句子嵌入多语言？
• 预验证的文本排名的变压器：伯特及以后？
• 领域：检索语言模型预训练
• Electra：训练前文本编码是歧视者而不是发电机？
• 改善Airbnb搜索的深度学习
• 管理Airbnb搜索的多样性？
• 密集文本检索的近似最近的邻居负面学习？
• 用于检索和识别任务的无监督图像样式嵌入？
• Dectrutr：无监督的文本表示的深层对比度学习？

2021

• 泰米尔语单词之间的语义相似性计算的混合方法？
• 增强的Sbert？
• 贝尔：用于信息检索模型的零射门评估的异质基准？
• 兼容性 - 视觉视觉搜索？
• 从几个例子中学习个人风格？
• TSDAE：使用基于变压器的顺序denoising自动编码器来嵌入学习的无监督句子？
• 对变压器的调查？
• Splade：第一阶段排名的稀疏词汇和扩展模型？
• 高质量相关的搜索查询建议使用深入的增强学习
• 淘宝搜索中基于嵌入的产品检索？
• TPRM：一个基于主题的网络搜索的个性化排名模型？
• MMARCO：MS MAS MARCO通过排名数据集的多语言版本？
• 数据库推理文本？
• 对抗性微调如何使Bert受益？）？
• 训练短，测试长期：与线性偏见的注意可以使输入长度外推？
• 底漆：寻找有效的变压器进行语言建模？
• 听起来有多熟悉？声词嵌入的跨语性表示相似性分析？
• SIMCSE：简单的对比度学习句子嵌入？
• 组成的关注：解开搜索和检索？
• SPANN：高效的十亿个尺度近似于最近的邻居搜索
• GPL：无监督的域适应致密检索的生成伪标记？
• 生成搜索引擎：初始实验？
• 重新思考搜索：使域专家脱离Dilettantes -Whiteningbert：一个简单的无监督句子嵌入方法

2022

• 对比预训练的文本和代码嵌入？
• 文物：检索文学主张的证据？
• 反式编码器：通过自我和相互依据的无监督句子对建模？
• SAMU-XLSR：语义上的多模式话语级跨语性语音表示？
• 混合检索的融合功能分析？
• 与最近的邻居分发检测
• ESB：多域端到端语音识别的基准？
• 分析预先训练的自我监督语音模型中的声词嵌入）？
• 通过检索重新思考：忠实的大语言模型推断？
• 精确的零射击量检索没有相关性标签？
• 变压器内存作为可区分搜索索引？

2023

• 手指：基于图的近似邻居搜索的快速推断？
• “低资源”文本分类：带有压缩机的无参数分类方法？
• 稀疏：学习稀疏的词汇表示，并带有上下文嵌入以进行检索？

文章

• 解决语义搜索
• Azure认知搜索中的语义搜索
• 我们如何使用语义搜索使我们的搜索搜索更智能
• Stanford AI博客：构建可扩展，可解释和自适应的NLP模型，并带有检索
• 用双空嵌入构建语义搜索引擎
• 十亿级语义相似性搜索与faiss+sbert
• 关于相似性搜索阈值的一些观察
• 使用局部敏感的哈希（Hashing）接近重复的图像搜索
• 矢量相似性搜索和faiss的免费课程
• 大约最近的邻居算法的综合指南
• 引入混合索引来启用关键字感知语义搜索
• Argilla语义搜索
• CO：这里是多语言文本理解模型
• 简化搜索WOTH多语言嵌入模型

库和工具

• fastText
• 通用句子编码器
• Sbert
• 伊莱克
• Labse
• 激光
• 相关性AI-矢量平台从实验到部署
• 草垛
• Jina.ai
• 松果
• Senteval工具包
• ranx
• 贝尔：基准测试IR
• 文物：检索文学索赔数据集的证据
• Matchzoo-py
• deep_text_matching
• 哪个框架？
• Lexica.Art
• 表情符号语义搜索
• Pyserini
• Bertserini
• Bertsimility
• 米尔维斯
• Neuronlp ++
• 编织
• 语义搜索 - 涉及织物
• 自然语言年轻搜索
• 相同
• 安基准
• 扫描
• 领域
• 烦人
• Pynndescent
• NSG
• Falconn
• Redis HNSW
• Autofaiss
• dpr
• rank_bm25
• 闪存
• 接近
• vearch
• Vespa
• Pynndescent
• Pgann
• TensorFlow相似性
• opensemanticsearch.org
• GPT3语义搜索
• 搜索
• TXTAI
• 高血压
• vectorai
• EmbeddingHub
• Aquiladb
• 带状网

数据集

• 语义文本相似性数据集集线器
• Facebook AI图像相似性挑战
• 机智：基于Wikipedia的图像文本数据集
• 贝尔
• MTEB

里程碑

请查看项目委员会的任务列表，以对任何开放问题做出贡献。