- 综合排序
- 最热优先
- 最新优先
- 来自专栏Reinvent Data Science
基于 Milvus 的音频检索系统
利用音频 检索系统进行处理。 本文将重点介绍如何使用音频检索系统处理不包含语音的音频数据，暂不涉及语音识别。 在检索过程中，我们对这些特征和属性而非信息本身进行搜索和比较，因此音频相似性检索的效果取决于特征抽取的质量。 系统搭建 本文搭建的音频检索系统主要包含两个部分：音频数据导入（下图黑线所示）和音频数据检索（下图红线所示）。 根据检索返回结果的 ids_milvus 获取相似音频数据的信息。示例代码如下： 系统展示 接口展示 本音频检索系统基于开源代码搭建而成，其主要功能为音频数据插入与删除。 总结 随着多媒体技术及网络技术的迅速发展，网络信息资源日益丰富。人们已经不再满足于传统的文本检索。如今的信息检索技术需要能够快速实现视频、图像、音频等各种非结构化数据的检索。
1.8K20发布于 2021-03-22 - 来自专栏Elastic Stack专栏
Elasticsearch进阶教程：轻松构造一个全方位的信息检索系统
与这个问题相关的知识点我记忆中在什么地方见过，可能是我读过的某篇文章，或者是某封邮件，甚至是我自己在某个文件里记录了笔记，但我就是记不起来在哪里了，然后就各种翻浏览记录和本地的文件，却依然无法找到”图片因此，构建一个全方位的信息检索系统 而在本文，我们将进行一个简单的展示，通过Elastic Search Platform (我们以前称为Elastic Stack)，我们能在一天之内就构建一个涵盖从互联网到本地文件的全方位的信息检索系统 分步一个全方位的信息检索系统构建一个全方位的信息检索系统，我们至少需要以下几个步骤：确定信息检索系统所需的数据源按照统一的格式，获取/接入所需的数据数据源的整合构建方便易用的搜索应用UI构建以搜索行为数据为基础的搜索优化能力 ，包括：用户行为分析和相关性调优确定信息检索系统所需的数据源首先，我们要确定哪些数据应该包含在这个系统当中。 从我个人的需求看，一个全方位的信息检索系统主要包含两个方面的内容，一个是本地的文件资料，一个是网络上的有用资源。
3.9K101编辑于 2022-08-01 YashanDB 数据检索系统
设计一个高性能的 YashanDB 数据检索系统，可以从以下几个方面进行考虑：1. 数据模型设计- 数据分区：根据数据的特点，将数据分为多个分区，以提高检索效率。可以采用哈希分区、范围分区等方式。 通过这些方面的设计，可以构建一个高性能的 YashanDB 数据检索系统，满足高效快速的数据访问需求。
20010编辑于 2025-10-04- 来自专栏python前行者
infolite（中文检索系统）~爬虫利器
今天为大家分享一个爬虫利器—infolite。 这是一个chrome浏览器的插件，如果你在写爬虫的时候对复杂繁琐的控件路径分析是深恶痛绝。那么infolite绝对是你最好的选择。
2.4K20发布于 2019-03-25 - 来自专栏《三桥君 | AI产品方法论》
【三桥君】：如何有效利用文献检索系统进行学术研究？计算机信息检索与论文写作：文献检索系统的使用与解析
计算机信息检索与论文写作：文献检索系统的使用与解析 一、引言 计算机信息检索与论文写作是学术研究中的重要环节，掌握文献检索系统和写作技巧对研究者至关重要。那么，如何有效利用文献检索系统进行学术研究？ 问题分析 说明：在理解文献检索系统时，首先需要明确各系统的使用场景及其优势。 原因：不同的文献检索系统针对的文献类型和分类标准不同，适用于不同的研究需求。 三大科技文献检索系统 说明：SCI、EI、ISTP被称为三大科技文献检索系统。 提示：在编写检索语句时，需要确保检索条件正确。 案例分析：假设你正在编写检索语句，确保检索条件正确。 4. （√） 三 填空题 引文检索除了实现信息评价外，还能达到【信息检索 】的目的。 六、总结 通过CPCI、JCR、SCI、EI、ISTP等文献检索系统，可以高效地进行学术研究。 建议在学习完基础操作后，进一步探索文献检索的其他高级用法，如引文检索、信息评价等，以提升学术研究的能力。
23910编辑于 2025-08-28 - 来自专栏奔跑的人生
检索系统配置&依赖
工作流程 项目依赖 <dependencies> <dependency> <groupId>org
53910发布于 2019-09-10 - 来自专栏Reinvent Data Science
Milvus 实战 | 基于 Milvus 的食谱检索系统
本文将介绍如何使用 Milvus 实现一个通过食物图片查询相应食谱的跨模态检索系统。 关键模型与技术 本项目实现的食谱检索系统是根据食物图像在库中查询出该图像对应的食谱，食谱中主要包含的信息有食物配料和烹饪指南。 首先会使用模型 im2recipe 将实物图片转化为向量，然后使用该图片向量在 Milvus 中检索出与其相似的食谱向量，并得到食谱向量的 id, 最后在 MySQL 中找到食谱向量 id 对应的食谱信息 导入食谱向量 将食谱向量和对应的 milvus_id 导入 Milvus 中，然后通过 milvus_id 在食谱的原始数据中找到该 id 对应的其它相关的信息导入 MySQL。 然后在 MySQL 中查询出前面得到的食谱 id 对应的食谱的具体信息，包括该食谱名称、配料、做法等。
1.4K10发布于 2020-12-02 - 来自专栏铭毅天下
实战 | Elasticsearch打造知识库检索系统
题记 源自“死磕Elasticsearch”技术群里的讨论问题： ——我想用es做个类似于知识库的东西,所以需要索引一些pdf、word之类的文件，这个你之前有试过吗？能给个方向吗？ 我的思考如
3.8K70发布于 2018-03-20 - 来自专栏腾讯技术工程官方号的专栏
企业微信万亿级日志检索系统
我们新设计的检索系统在资源消耗较小的前提下，很好满足背景所提的所有检索需求。 先看看面临的两种问题定位场景： 开发收到模块告警，通过告警信息结合代码找到关键字，使用关键字查找模块告警时间段内的日志； 根据用户投诉找到用户请求信息，使用用户请求信息查找所有关联模块的日志。 从以上场景看出，我们通常根据模块+时间段+关键字或者用户请求信息查找日志。所以，对模块、时间、用户请求信息建索引提升日志查找效率。 名词解释 在介绍系统前，先对使用的名词进行解释： callid：唯一标识一次用户请求，每条日志中都会携带 callid 信息； 模糊查询：根据用户输入模块、时间段和关键字查询日志； 全链路查询：根据 callid 系统架构 企业微信日志检索系统主要分为 6 个模块： LogAgent：和业务模块同机部署，对模块内日志进行聚集，数据批量写分布式文件系统，callid 索引批量发送到 LogMergeSvr 聚集；
1.7K30发布于 2021-05-21 - 来自专栏Reinvent Data Science
Milvus 实战｜基于 Milvus 的图文检索系统
不同于一般的图像检索系统，本文中的基于 Milvus 搭建的图文检索系统需要用户先输入一张图像和一段相关的图像约束文本后再进行图像查询。 用户查询图像时除了输入图片，还能输入期望的图像大小、位置、颜色、形状变化等图像约束文本，图文检索系统会相应地返回满足约束条件的图像结果。 系统介绍 本文中的图文检索系统基于 Milvus 结合 TIRG 模型和 MySQL 数据库搭建而成。 具体实现过程如下图所示： ? 1. 系统搭建 通过以下关键步骤，我们将结合 TIRG 模型与 Milvus 搭建一个跨模态的图文检索系统。 在 MySQL 数据库中使用该 ID 查找对应的目标图片信息。
3.4K30发布于 2021-05-17 - 来自专栏Reinvent Data Science
视频教程｜快速搭建文本检索系统
想知道如何构建一个相似文本检索系统吗？ Milvus 来帮你！ ? 本视频将教你如何使用 BERT 将文本转换为固定长度向量存储到 Milvus 中，然后搜出相似文本。
74720发布于 2021-01-18 - 来自专栏小脑斧科技博客
零基础快速搭建一个图像检索系统
配置和启动 demo 在 solutions/reverse_image_search/quick_deploy/server/src 目录下，有一个 config.py 文件，你可以通过它配置以下信息
1.9K20编辑于 2022-06-27 - 来自专栏高级程序设计
基于线性链表的书籍检索系统-数组顺序存储方式
书籍检索系统，其根本在于书，按数学的观点而言，是一个数的集合。 介绍 因此，首先应分析基于书的各种信息，众所周知，书的信息基本包括：书号、书名、作者、出版社、定价等。 conio.h> #include <string.h> #define BookSize 100 #define TRUE 1 #define FALSE -1 //代码使用结构 /* 对应一本书的信息 ; /**/ struct book { BookInfor book[BookSize]; int length; }; typedef struct book Book; /* 两个书籍信息的赋值 BookInit(bk)) exit(0); /* 读入第一本书籍信息*/ ReadBookInfor(bkif); BookInsert(bk, bkif,1); /* 读入第二本书籍信息*/ ReadBookInfor */ clrscr(); DisplayNumOfBook(bk); /* 显示全部书籍信息*/ DisplayAllBook(bk); WaitKey(); /* 删除第二本书籍信息*/ BookDelete
79100发布于 2020-03-08 - 来自专栏Reinvent Data Science
你追剧的好帮手-Milvus 视频人脸检索系统
来体验一下基于 Milvus 的视频人脸检索系统你就知道啦！快来看看下面的视频与文字操作介绍： 视频：视频人脸检索系统操作介绍 Step 1. 上传标好人名的图片集 Step 2.
66530发布于 2021-02-03 - 来自专栏NLP/KG
语义检索系统：基于无监督预训练语义索引召回：SimCSE、Diffcse
快速眼运动,细胞增殖,阿尔茨海默病 城市道路交通流中观仿真研究 城市道路交通流中观仿真研究智能运输系统;城市交通管理;计算机仿真;城市道路;交通流;路径选择 网络健康可信性研究 网络健康可信性研究网络健康信息
1.5K00编辑于 2023-08-02 - 来自专栏Reinvent Data Science
降低检索系统搭建门槛，轻松实现 RAG 应用！Zilliz Cloud Pipelines 惊喜上线
基于语义的信息检索系统被广泛地运用在众多应用和互联网服务中，从我们熟知的网页搜索、电商图片搜索到最近非常流行的检索增强生成 (RAG) 应用。 最新的检索系统通常采用深度学习模型将文本、图像等非结构化数据提取特征，转换成高维向量。这个过程业界称为“Embedding”。 然而，构建上述检索系统需要深厚的专业知识和工程经验。很多开发者朋友想尝试向量检索但却苦于必须搭建复杂的数据处理和模型推理系统才能实现 Embedding。 该信息会保存在每一个文档片段的条目中。 文档片段的原文及其向量和文档的额外信息都存储于向量数据库中。
45510编辑于 2023-12-13 - 来自专栏Reinvent Data Science
用户案例｜Shopee 在多媒体理解业务的向量检索系统实践
其中 Milvus 的云原生架构较为契合 Shopee 内部云原生生态，能够快速支撑检索系统从 0 到 1 的搭建；另外 Milvus 具有丰富特性，包括分布式、GPU、增量更新、标量等，都能对业务场景的高效落地提供有效帮助 预处理模块 ○ 筛选出系统所需视频，拼接核心视频信息并输出给特征提取模块 2. 特征提取模块 ○ 为视频提取特征并输出给业务逻辑模块 3. 失败数据定期回扫 逻辑编排引擎 开发通用的逻辑编排引擎，标准化输入输出、中间件调用、AI服务调用等组件，提升策略逻辑开发效率 以上是 Shopee MMU 团队在向量检索系统方面的一些工程实践介绍。
62610编辑于 2023-09-21 - 来自专栏chenchenchen
广告系统设计与实现(八) -广告检索系统的设计与实现 - 下
details/91974842 8.4 广告检索服务 媒体方发起广告请求，检索服务检索广告数据（条件匹配过程），返回响应 媒体方的请求包含的三个要素 媒体方的请求标识 mediaId 请求基本信息 (广告位信息AdSlot、终端信息App、设备信息Device、地域信息Geo) private RequestInfo requestInfo; // 匹配信息(关键字、兴趣、地域) longitude; //所在城市 private String city; private String province; } 8.4.2 检索服务响应对象的定义 检索服务中检索系统 type.contains(creative.getType()) ); } /** * 一个广告位对应一个广告创意 * 实现过滤的广告创意对象，转换成检索系统返回响应中的创意信息 JSON.toJSONString(request)); return search.fetchAds(request); } 在ad-gateway网关中resources/application.yml定义 #检索系统
2.2K30发布于 2019-09-02 - 来自专栏NLP/KG
语义检索系统：基于Milvus 搭建召回系统抽取向量进行检索，加速索引
视频检索系统：将视频关键帧转化为向量并插入 Milvus，便可检索相似视频，或进行实时视频推荐。 音频检索系统：快速检索海量演讲、音乐、音效等音频数据，并返回相似音频。 分子式检索系统：超高速检索相似化学分子结构、超结构、子结构。 推荐系统：根据用户行为及需求推荐相关信息或商品。 智能问答机器人：交互式智能问答机器人可自动为用户答疑解惑。 文本搜索引擎：帮助用户从文本数据库中通过关键词搜索所需信息。 更多资料参考： 1. 如发现外部某 APK 与库中携带病毒的 APK 相似，需要及时通知企业与个人用户相关的病毒信息。 基于 Milvus 的钓鱼网站的检测 在海量信息中，不乏非法分子利用网络骗取用户信任并从中获利，钓鱼网站就是其中之一。
3.5K00编辑于 2023-08-02 - 来自专栏AI
深入理解Dify的分段模式与索引模式：构建高效知识检索系统
父节点选择：将文档中的主要章节、大段落作为父节点子节点生成：在父节点范围内进一步细分，生成更细粒度的子节点关系映射：建立父子节点之间的关联，支持层级检索优势：保持文档的原有结构支持多粒度检索提供更丰富的上下文信息适合处理复杂的技术文档 新闻文章、报道内容分段策略：General模式，分段长度400token索引模式：经济模式，注重处理速度效果：单日处理10万+文档，平均响应时间<200ms总结选择合适的分段模式和索引模式是构建高效知识检索系统的关键 通过深入理解这些模式的工作原理和适用场景，开发者可以根据具体需求制定最优的文档处理策略，构建出既高效又准确的知识检索系统。
3.1K10编辑于 2025-12-09
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号