- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技评论
裴健：搜索皆智能，智能皆搜索
第二，智能皆搜索，我们要做到智能必须要用到搜索的方法，目前人工智能的很多应用都是搜索任务，智能和搜索同行。 2 智能皆搜索 搜索皆智能，搜索要用到大量的人工智能技术，所以我们要通过人工智能技术去理解用户的信息需求。同时，智能很复杂，智能的每一个任务都需要多多少少用到搜索技术。 什么是智能？ 所有这些都需要搜索相应的数据，搜索相应的知识，搜索相应的连接。所以智能皆搜索，智能离不开搜索，智能必须通过搜索来实现。 我们用智能搜索带给我们新知识，我们可以在词的网络上自动发现同义词和反义词。 刚才我们讲了搜索皆智能，智能皆搜索，所以智能和搜索是密不可分的，二者紧密结合，搜索和智能同行。 可以说智能搜索已经变成了我们无时无刻、无处不在的需求和工具。智能搜索同时也会产生很多新的挑战。其中一个核心的挑战是我们怎么确保智能搜索服务于社会的每一个人，没有人因为各种限制而被智能搜索遗弃。
60230发布于 2020-06-29 - 来自专栏泽泽社
360搜索智能摘要提交
什么是智能摘要？ 如下图所示，简单那来说就是让360搜索引擎抓取文章标题，图片和缩略内容等 360搜索智能摘要.jpg 以博客性质网站举例 在站点模板head中添加下列代码即可 <!
1.2K20编辑于 2023-04-17 - 来自专栏机器学习
AI 文档搜索系统：基于 LangChain + FAISS 的智能搜索
该系统支持 OCR 解析、语义搜索，并能扩展到多种文档格式，提高检索效率。2. 原理解析2.1 传统搜索 VS AI 搜索传统文档搜索依赖于 全文搜索（Full-text Search） 或 基于关键词的索引。 例如： 传统搜索： 用户查询 "公司财务情况" 搜索引擎返回所有包含 "公司"、"财务"、"情况" 的文档 无法识别 "盈利情况"、"年度财报" 这些相关内容 AI 语义搜索： 使用 向量化索引 ：用户输入查询语句，向量化后在 FAISS 数据库中进行最近邻搜索，返回最相关的文档 结果展示：显示匹配的文档及相关段落，提升搜索体验 3. 总结本教程介绍了 AI 文档搜索系统 的原理、核心技术，并提供了完整的代码示例。通过 LangChain 解析文档，FAISS 进行语义索引，嵌入模型向量化文本，实现高效、精准的 AI 文档搜索。
1.6K01编辑于 2025-03-30 - 来自专栏量子位
百度智能搜索到底有多智能？
并且这些做搜索引擎起家的公司，如今也都成为了人工智能领域的先行者。 ? 智能搜索时代背后的关键技术 所以，进化到智能搜索时代，让搜索引擎高效连接你和信息的核心技术，具体又有哪些？ 正好，在百度万象大会上，沈抖也介绍了百度AI是如何推动搜索持续进化的。 智能化多模搜索技术 2015年，百度就提出了多模搜索的理念，探索从文本搜索向语音、视觉、视频等多模态搜索的演进。 在这样的背景之下，智能时代的搜索不再是简单的信息检索，而是人们与信息、服务等各种解决方案之间的高效连接方式。 此外，智能搜索和智能推荐融合，还会进一步扩大化这种效率的提升。 而作为人工智能技术的第一块试验田，不论是搜索还是机器都在不断进化，搜索现在也确实成为了人工智能技术的集大成者。
73930发布于 2021-05-11 - 来自专栏林欣哲
人工智能的无信息搜索
在人工智能中，当你面对一些问题不知道怎么解决的时候，有一类常用的解决问题的方法，叫做搜索。就好像你在一片迷雾的森林里，不知道怎么办时，走一步算一步，走起来再说。 搜索的话，分为两种类型，一种是无关问题背景信息的搜索，如广度优先搜索、深度优先搜索，另一种是结合问题的背景信息的搜索，如A*搜索，最小代价优先搜索。 每种搜索实现的形式有两种分类，根据展开节点是否曾经被展开过来区分为按树搜索还是按图搜索。按树搜索时，你展开的节点可以包括你已经搜过的节点。而按图搜索，只展开你还没搜过的节点。 缺点： 难以保证能找到最优解，因为当你不确定问题的情况时，搜索就可能无限深入下去而不回头了。 所以需要改进它的缺点。 改进的方式是迭代逐次加深的深度优先搜索。 这样的搜索方法，即利用了深度优先的内存优势，也因为类似深度优先搜索的逐层递增方式，保证了找到最优解。
1.3K50发布于 2018-04-10 - 来自专栏技术从心
Ajax+Servlet实现智能搜索框
前端代码： <%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"> <html> <head> <meta http-equiv="Content-Type" content=
1.3K30发布于 2019-08-06 - 来自专栏码出名企路
智能算法之禁忌法搜索
为了避免陷入局部最优解，TS搜索中采用了一种灵活的"记忆"技术，对已经进行的优化过程进行记录和选择，指导下一步的搜索方向，这就是Tabu表的建立。 终止准则:和模拟退火，遗传算法差不多，常用的有:给定一个迭代步数;设定与估计的最优解的距离小于某个范围时，就终止搜索;当与最优解的距离连续若干步保持不变时，终止搜索; 邻域:由伪码 select a new string vn in the neighborhood of vc,可以看出,系统总是在初始点的邻域搜索可能解的,因而必须定义适合的邻域空间,如果解空间存在一个最优解X*,初始搜索点为S0,那么如果 S0不存在到达X*的通路,就会使搜索陷入S0的邻域的局部最优解。 可以证明如果邻域满足对称性条件，则在假设禁忌表足够长的情况下必然可搜索到全局最优解。
69710编辑于 2022-06-16 - 来自专栏IT派
百度推出人工智能搜索APP“简单搜索”
在“人工智能：AI 生态 加速未来”的高端对话中，李彦宏发表了“为了一个更美好的 AI 时代”为主题的演讲，其中提到百度推出了新的“简单搜索”App。 ? 支持 iOS 和 Android 系统哦 永远不放广告 李彦宏在演讲中提出搜索“新宣言”，为了最大程度保证良好的用户体验，百度智能搜索软件“简单搜索，永远不放广告”，欢迎大家来尝试。 ? 李彦宏现场展示了“简单搜索”的功能：“简单搜索”可以依靠声纹识别技术，区分成人与少儿，智能开启少儿模式，自动显示更适合儿童观看、阅读的内容。 左：标准搜索模式，右：儿童搜索模式 简单搜索专门定制“少儿搜索模式”，也可以手动开启。 但是更重要的是，很可能因为人工智能，劳动不再成为人们谋生的手段，而是变成人的一种需求。你想工作、想去创新、想去做创造，所以你才去工作。这是 AI 的终极理想，我们要为人类带来更多自由和可能。
1.7K30发布于 2018-07-30 - 来自专栏自然语言处理
搜索进化史：从快搜索到慢思考的智能飞跃
最近在研究各种搜索工具的时候，发现一个有趣的现象：很多人还停留在"百度一下"的传统搜索思维里，但其实搜索技术已经悄悄发生了翻天覆地的变化。 今天就来聊聊搜索、深度搜索和深度研究这三兄弟的区别，看看它们各自的本事到底有多大。 深度搜索：会思考的搜索引擎 深度搜索就不一样了，它背后有AI在分析你的真实意图。 简单来说，就是AI让搜索"变聪明了"。 1. 真正理解你在说什么 传统搜索只认识字面意思，深度搜索能读懂你的言外之意。 实际应用场景 日常使用 传统搜索：查电话号码、找餐厅地址 深度搜索：了解某个概念、对比产品优缺点 深度研究：准备重要报告、学术研究 工作场景 传统搜索：查找公司联系方式 深度搜索：竞品分析、行业趋势了解
40110编辑于 2025-07-12 - 来自专栏深度学习与python
谷歌搜索中的人工智能
甚至我们还没有输入完要搜索的句子，谷歌就提供了我们想要搜索的查询。之所以能做到这样是因为谷歌使用了人工智能。没有什么新知识，对吗？不，有的。你知道谷歌如何使用人工智能吗？ 谷歌搜索中的人工智能概述 搜索排名 在谷歌，人工智能最常见的用法是对搜索结果进行排名。无论你搜索什么，谷歌都会对包含网页、零结果、地图、视频甚至是图片在内的各种结果进行排名。你怎么看？ NPL 是人工智能和 ML 算法的集合，它反馈的结果考虑了各个方面，如用户以前的搜索查询，搜索查询的上下文及其他各种因素，使得谷歌能理解人类语言，并根据用户的搜索查询提供准确的结果。 谷歌的算法 当人们提到谷歌的算法时，大多数人都会把它归结到谷歌搜索和结果。好吧，这也不完全错误。但谷歌的算法包括复杂的、人工智能驱动的、影响谷歌搜索和结果的算法。 小结 关于谷歌搜索如何使用 AI 来反馈结果，这些只是我们明确知道的一部分方式。谷歌和人工智能的概念一样庞大。这两者的结合复杂度难以想象。不仅仅是谷歌。无论你属于哪个行业，人工智能都能为你创造奇迹。
62110编辑于 2023-03-29 - 来自专栏Android知识分享
Android开源实战：简单好用、含历史搜索记录的智能搜索框
前言 Android开发中，类似下图的搜索功能非常常见 今天，我将带来一款 封装了 历史搜索记录功能 & 样式 的Android 自定义搜索框 开源库，希望你们会喜欢。 简介 一款封装了 历史搜索记录功能 & 样式 的Android自定义搜索框 已在Github开源：地址：SearchView，欢迎 Star ！ 2. 特点 3.1 功能实用 该搜索框开源库具备除了历史搜索记录功能外，还具备一般的搜索框功能（如一键清空搜索框内容等等） 封装了 常见的搜索框样式（如左侧图标、返回按键等等），使用起来更加方便 3.2 使用简单 （含历史搜索记录） 所以，在其上做二次开发 & 定制化成本非常低。 源码解析 具体请看文章：Android开源库：手把手教你实现一个简单好用的搜索框（含历史搜索记录） 7.
2.3K20编辑于 2022-03-25 - 来自专栏罗超频道
人工智能，搜索巨头的进击之道
无论结果如何，最终都将推动人工智能的高速发展，引领搜索引擎的自我变革。 3、人工智能是搜索引擎乃至科技的未来 人工智能是搜索引擎3.0，或者说下一代搜索引擎的核心要素。 过去搜索引擎帮助人们“找到答案”，未来搜索引擎实现人与服务的智能化的连接。人们通过与搜索引擎这个助理自然地对话来找到和使用服务。 对话形式可以是文字，可以是语音、可以是图片，甚至还可是通过智能眼镜所捕捉的视频让搜索引擎能看会听懂思考，理解人类和帮助人类，做人类的智能助理。 给下一代搜索引擎加上机械能力和电子硬件，它就是机器人；加上语音能力它就是聪明的语音助手；加上图像和视频识别能力它就是智能眼镜；就连中国人最习惯的筷子都可以内置百度搜索引擎成为“筷搜”来解决食品安全问题… … 除了顺应移动和物联网浪潮升级用户体验之外，人工智能还会帮助搜索引擎开展更多新业务、形成全新商业模式，最典型的便是大数据业务，基于搜索引擎所掌握的海量数据以及对自然语言的处理能力(NLP)，搜索引擎可开展预测
66170发布于 2018-04-28 - 来自专栏DearXuan的博客文章
人工智能基础-局部搜索算法
爬山算法 算法概念 爬山算法类似于贪心搜索，它每次都会查找附近节点里的最优节点，并移动到最优节点，如此循环便找到最优解，但是它只能找到局部的最优解，而非整体最优解 问题示例 以搜索最高点为例，已知山坡的高度
85420编辑于 2022-01-19 - 来自专栏Elastic Stack专栏
使用ChatGPT模型智能生成Elasticsearch搜索语句
其实我们今天要谈的是如何借助类似ChatGPT这种生成式的大模型来生成Elasticsearch搜索语句，嗯，就像Chat2Query所做的一样。 因此，越来越多的企业和技术公司开始尝试开发新的数据查询语言，或者利用人工智能等新技术提供更加智能化的数据查询解决方案。 其中，Copilot的出现更表明了人工智能技术在编程领域的应用越来越成熟，未来这种技术将会在软件开发领域扮演更加重要的角色。 打开 VS Code，在菜单栏中选择“Extensions”选项，并搜索 Copilot 插件，点击“Install”按钮安装插件。 注册 Copilot 账号。
2.9K20编辑于 2023-03-08 - 来自专栏服务端技术杂谈
360这个AI搜索智能体有点意思
互联网本身是个信息的海洋，但移动互联网让信息成为了孤岛，抖音的信息和小红书的信息是没办法在整个互联网上随意检索的，这也导致了传统搜索引擎的衰败。 传统搜索引擎需要看到数据，建立索引，才能被检索，是网页的表层数据。 而在AI智能体时代，借助RPA，可以打通这堵墙，对主流平台的孤岛数据进行整合。 比如你对智能体说：“策划一次上海亲子游”。 有了大模型，搜索智能体不再匹配关键词，而是真正的理解了用户的意图以及平台的内容，并对平台内容进行归纳、总结、整理。 第二个特点，RPA。 周鸿祎说，结合录音笔和智能眼镜，可以自动记录会议纪要，提取会议重点，日常生活借助眼镜可以实时翻译。 一个AI时代的搜索智能体，大概也就是可以做这些事情吧。
12110编辑于 2026-03-11 - 来自专栏大数据
使用Elasticsearch进行智能搜索的机器学习
搜索行业也是如此，公司通过手动调整搜索相关性来压榨潜能。成功的搜索组织希望通过“足够好”的手动调整来构建更智能的自学习搜索系统。 将模型部署到你的搜索服务器上，在你的产品上对搜索结果进行排名。 在上述的每个步骤中，都有复杂的技术难题和非技术性问题。直到现在还没有银弹（指能极大的提高软件生产率的东西）。 正如我们在相关性搜索中提到的那样，手动调整搜索结果带来了许多相同的挑战，但是其也是一个很好的学习排名解决方案。 用户的搜索术语和文章主题在概念上的关系如何？ 许多这些功能不是搜索引擎中文档的静态属性。相反，它们是依赖查询的，这意味着这些功能度量用户或其查询与文档之间的某种关系。 用排序学习模型进行搜索 一旦你完成训练，你就可以进行搜索了！你可以在search.py中看到一个例子；这个例子里面的简单的查询非常直白。
3.7K60发布于 2018-05-25 - 来自专栏DeepHub IMBA
从零搭建智能搜索代理：LangGraph + 实时搜索 + PDF导出完整项目实战
本文将详细阐述如何构建一个基于LangGraph的智能代理系统，该系统能够智能判断何时需要进行网络搜索、有效维护对话上下文，并具备将对话内容导出为PDF文档的功能。 本系统的核心特性包括：基于智能判断机制的自动网络搜索触发、跨多轮对话的上下文状态管理、多策略搜索机制与智能回退、透明的信息源追溯体系，以及专业级PDF文档生成功能。 搜索触发智能模块是系统的核心决策组件，负责自动识别何时需要进行网络搜索。 总结 构建智能LangGraph代理需要的不仅仅是将大型语言模型连接到搜索API，更需要深思熟虑的架构设计、健壮的错误处理机制，以及对用户体验的深度考虑。 本文所构建的系统体现了几个关键设计原则：智能化决策优于自动化执行，系统不应对所有请求都进行搜索，而应智能判断搜索的价值；上下文保持机制确保多轮对话的连贯性；优雅降级保证即使外部服务失效，系统仍能提供价值
55610编辑于 2025-08-20 - 来自专栏ATYUN订阅号
谷歌利用人工智能改善搜索结果
近日，谷歌表示，它正在利用人工智能和机器学习技术来改善谷歌搜索的结果。在今天早上的一篇博客文章中，这家科技巨头宣布，在美国用英语搜索新闻主题的用户，现在可以在搜索结果页面的顶部看到一篇文章。 当有多个与搜索相关的结果时，每个结果都将按照相关性和质量进行组织，从而考虑到视角的多样性。 谷歌搜索产品经理邓肯·奥斯本在公示中写道：“人们搜索各种类型的信息，以帮助他们更好地理解世界和他们最关心的话题。我们会持续改进搜索功能，以帮助人们更好的定位某个主题，更加容易的在网络中探索相关的想法。 比如：谷歌最近将来自transformer (BERT)的双向编码器，部署到了搜索中，以帮助系统其更好地理解用户搜索查询背后的意图。 在谷歌完全改变谷歌新闻的一年多以来，本周，搜索功能终于也得到了增强。谷歌利用它所掌握的用户信息，来推荐可能让用户感兴趣的内容。
50210发布于 2019-12-17 - 来自专栏JavaEdge
人工智能导论 (五) - 搜索求解策略
1 搜索的概念 盲目搜索与启发式搜索 2 状态空间知识表示法 2.1 状态空间的表示法 2.2 状态空间的图描述 3 启发式图搜索 3.1 启发式策略 运用启发式策略的两种基本情况 3.2 启发信息和估价函数 3.2.1 启发信息 3.2.2 估价函数 注意 八数码问题的启发函数 3.3 A搜索算法 3.4 A*搜索算法及其特性分析 3.4.1
58240编辑于 2022-11-30 - 来自专栏JavaEdge
人工智能导论 (七) - 搜索求解策略
[1240] [1240] 1 搜索的概念 [概念] [基本问题] [过程] [方向] [1240] 盲目搜索与启发式搜索 [1240] 2 状态空间知识表示法 [1240] 2.1 状态空间的表示法 [1240] [1240] [1240] [八数码问题的状态空间] [1240] 2.2 状态空间的图描述 [状态空间的有向图描述] [1240] [1240] [1240] 3 启发式图搜索 3.1 3.2.1 启发信息 [1240] [1240] [分类] 3.2.2 估价函数 [evaluation function] 注意 [1240]八数码问题的启发函数[1240] [1240] 3.3 A搜索算法 [1240] [1240] [1240] [1240] [1240] [1240] 3.4 A*搜索算法及其特性分析 [1240] 3.4.1 可采纳性 [1240] 3.4.2 单调性 [1240]
1K40发布于 2018-12-21
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