- 综合排序
- 最热优先
- 最新优先
- 来自专栏Elastic Stack专栏
混合搜索的最佳实践
在本文中，我们将通过例子探讨混合搜索，并展示它在与单独使用词法搜索或语义搜索技术相比时的优势。什么是混合搜索？混合搜索是一种结合了不同搜索方法的技术，如传统的词法术语匹配和语义搜索。 混合搜索通过结合词语匹配的精确度和语义搜索的上下文感知能力，为我们提供了两者的优点。你可以在这篇文章中深入了解混合搜索，并在这篇文章中了解词法搜索和语义搜索的区别。下面我们用房地产单位创建一个示例。 现在我们运行一个混合搜索。我们将使用 RRF (Reciprocal rank fusion) 来实现这一目的，并结合前面的两个查询。RRF 算法将为我们融合两次查询的得分。 metric": { "mean_reciprocal_rank": { "k": 20, "relevant_rating_threshold": 1 } }}如图所示，混合搜索的查询得分为 结合这两种方法的混合搜索，既提供了全文搜索的能力，又添加了语义相关的文档，这在需要关键词匹配和上下文理解的特定场景中非常有用。
75021编辑于 2025-01-04 - 来自专栏Spark生态圈
Elasticsearch5.6搭建及拼音中文混合搜索实现
功能 分布式的搜索引擎和数据分析引擎 全文检索，结构化检索，数据分析 对海量数据进行近实时的处理 环境搭建 从官网下载压缩包 elasticsearch-5.6.1.tar.gz； 解压 tar -zxvf } } } } } } 可通过外部数据导入index，或者手动put 最后便可通过es来搜索
2.6K50发布于 2018-09-04 - 来自专栏openclaw系列
向量检索实战 —— OpenClaw 如何实现混合搜索（向量 + 全文）
为此，OpenClaw 构建了一套轻量但强大的混合检索引擎（Hybrid Search Engine），巧妙结合向量语义搜索与全文关键词匹配，在资源受限的边缘设备（如个人服务器）上也能提供接近商业 RAG 一、为什么需要混合检索？ 零运维：单文件存储，无需独立服务 ACID 事务：保证索引一致性 FTS5 内置：高性能全文搜索 可扩展向量：通过 vector 扩展支持浮点数组 这使得 OpenClaw 可在树莓派、NAS 或个人 ，系统执行： 步骤 1：生成查询嵌入 使用与索引相同的嵌入模型 得到查询向量 q_vec 步骤 2：并行执行两路搜索 路径 A：向量相似度搜索 SELECT id, content, distance 结语：混合检索是平衡的艺术 OpenClaw 的混合检索引擎，没有追求最前沿的 ANN 算法或最大规模的向量库，而是在实用性、性能与准确性之间找到最优解。
1.3K21编辑于 2026-03-14 - 来自专栏Elastic Stack专栏
Elasticsearch RAG案例：混合搜索的相关性调优
因此，我们需要的更多地是一个混合搜索解决方案，而非仅仅向量搜索。 在下一部分，我们将详细介绍混合搜索的原理和优势。 混合搜索的原理和优势如下： 混合搜索的原理是，首先使用双路召回的方式对用户的查询进行检索。分别对查询语句和文档进行向量化和相似度计算以及基于分词的全文检索。 混合搜索的优势是，它可以克服向量检索和关键词检索各自的局限性，实现以下几个方面的提升： 更精准的检索结果。混合搜索可以同时利用关键词检索和向量搜索对数据进行查询，提高检索的准确性和可信度。 实现混合搜索时需要考虑的因素 要做好混合搜索，在项目评估的时候需要注意以下方面： 更多的系统资源和设计成本。
5.1K93编辑于 2023-11-16 - 来自专栏自然语言处理
迈向 AI 搜索范式：从AI搜索、多模态推荐到零样本混合检索器
信息检索领域前沿研究观察：从AI搜索到多模态推荐 最近在信息检索领域看到了不少有意思的研究进展，从百度搜索提出的AI搜索范式到各种新颖的检索增强方法，这些工作都在试图解决当前搜索和推荐系统面临的实际问题 AI搜索的新范式：多智能体协作系统 百度搜索团队最近提出了一个很有意思的"AI搜索范式"概念。 https://arxiv.org/abs/2506.17188 MoR:检索器的艺术,混合多种检索方法 在检索技术方面，有一个叫做MoR（Mixture of Retrievers）的工作让我印象深刻 这个问题的挑战在于，模型需要学会三个关键能力：什么时候需要搜索、应该搜索什么内容，以及如何根据搜索结果进行推理。 现有的RAG方法往往采用固定的管道，容易导致过度搜索的问题。 无论是多智能体的搜索系统、混合检索方法，还是各种效率优化技术，都在试图解决实际应用中遇到的具体问题。 特别值得注意的是，很多工作都在探索如何更好地结合不同技术的优势，而不是简单地追求单一方法的极致。
47210编辑于 2025-07-02 - 来自专栏腾讯云大数据
基于腾讯云ES混合搜索与HAI部署DeepSeek，快速构建RAG 应用
在RAG方面，腾讯云ES支持了一站式向量检索、文本+向量混合搜索、倒数排序融合、与大模型集成、GPU高性能推理、字段级别权限控制等能力，同时针对查询性能做了大量优化，有效的提升了数据检索效率，目前已落地微信读书 “AI 问书”、微信输入法“问 AI”、腾讯地图、腾讯会议、IMA Copilot、乐享智能搜索等大型应用中。 腾讯云ES凭借其在传统PB级日志和海量搜索场景中积累的丰富经验，通过深度重构底层系统，成功地将多年的性能优化、索引构建和运营管理经验应用于RAG领域，并积极探索向量召回与传统搜索技术的融合之道，旨在充分发挥两者的优势 ，为用户提供更加精准、高效的搜索体验。
58410编辑于 2025-04-29 - 来自专栏站长的编程笔记
智搜搜索：一个基于混合技术栈的自建全栈搜索引擎架构深度解析
智搜搜索：一个基于混合技术栈的自建全栈搜索引擎架构深度解析在信息爆炸的时代，搜索引擎作为连接用户与海量网络信息的枢纽，其核心技术与架构始终是互联网基础设施中皇冠上的明珠。 二、数据采集层：多语言混合的智能分布式爬虫系统爬虫是搜索引擎的数据源头，其稳定性、效率、礼貌性和扩展性直接决定了搜索数据的广度与质量。 “智搜搜索”没有采用单一语言，而是根据任务特性，选择了Python、Java、C++进行混合开发，形成优势最大化组合。 因此，“智搜搜索”中C++爬虫仅用于经过充分论证、效益显著的特定垂直场景。4.统一的调度与去重中心（Redis+BloomFilter）这是混合爬虫集群的“大脑”，确保爬虫工作有序、高效、不重复。 七、总结与展望“智搜搜索”通过整合ElasticSearch（检索）、Redis（缓存/调度）、Kafka（消息总线）、MySQL（元数据）、MongoDB（文档存储）以及多语言混合爬虫，构建了一个功能完整
8610编辑于 2026-03-31 - 来自专栏腾讯云Elasticsearch Service
ES8 向量功能窥探系列（一）：混合搜索功能初探与增强
本文旨在深入浅出地剖析Elasticsearch 8.x的kNN搜索和混合搜索功能，介绍其实现原理和关键技术点。 它是ES 8.x引入的，在混合搜索、向量搜索上专门设立、最常用的查询语法。 ，Elasticsearch 8.x的版本支持原生的混合搜索，这是众多向量数据库所不能及的。 混合搜索结合了BM25和向量搜索各自的优势，实现了比BM25搜索的召回更具语义性，比向量搜索的召回更加精准。 通过源码级别的解析，帮助读者深入理解Elasticsearch的向量搜索功能。同时介绍了腾讯云ES在向量搜索方向对社区的相关贡献，对RRF混合搜索实现了功能上的增强。
3.8K42编辑于 2025-02-20 - 来自专栏AI进修生
Memfree：一个混合 AI 搜索引擎，输入输出支持多模态内容（知识库+联网 混合Rerank）
一个不错的AI搜索引擎，你可以通过文本、图像、文件和网页进行搜索和提问，他会输出文本、思维导图、图像和视频的搜索结果，比较和总结多个图像，以及总结网页和 PDF 内容并提问。 智能查询处理：MemFree 将自动决定是否根据搜索查询搜索互联网。如果问题简单，人工智能会直接给您答案。 全面的信息收集：如果问题需要更多信息，MemFree 将在互联网和您的知识库中搜索以获取信息。 基于相关性的排名：MemFree 根据搜索结果与问题的相关性自动重新排名来自知识库和互联网的搜索结果。 人工智能驱动的答案：MemFree 使用人工智能总结搜索结果，并给您提供最佳答案。 搜索结果会有视频、图片、文档引用等等这些 点击左边索引，配合右边的模式，可以对相关文档进行RAG和联网搜索。 它不错的地方在于多源混合、可以直接商业化（很多东西都做了，比如多端同步，拥有比较齐全的功能），一个可定制的开源AI搜索。 对了，一些其他的搜索引擎放在往期推荐。 希望这篇文章对你有帮助，感谢阅读！
46000编辑于 2024-12-02 - 来自专栏腾讯云大数据
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek，快速构建RAG应用
在RAG方面，腾讯云ES支持了一站式向量检索、文本+向量混合搜索、倒数排序融合、与大模型集成、GPU高性能推理、字段级别权限控制等能力，同时针对查询性能做了大量优化，有效的提升了数据检索效率，目前已落地微信读书 “AI 问书”、微信输入法“问 AI”、腾讯地图、腾讯会议、IMA Copilot、乐享智能搜索等大型应用中。 达百PB规模，提供自研压缩编码等能力；2022年，针对日志场景深度优化，提供一站式数据链路、自治索引等能力；2023年，产品形态升级，提供自动弹性、完全免运维的的Serverless版；2024年，极智搜索 腾讯云ES凭借其在传统PB级日志和海量搜索场景中积累的丰富经验，通过深度重构底层系统，成功地将多年的性能优化、索引构建和运营管理经验应用于RAG领域，并积极探索向量召回与传统搜索技术的融合之道，旨在充分发挥两者的优势 ，为用户提供更加精准、高效的搜索体验。
61211编辑于 2025-02-10 - 来自专栏QQ大数据团队的专栏
腾讯云ES RAG最佳实践：向量+文本混合搜索的相关性调优
说明混合搜索的原理、优势及其必要性，并通过效果演示为大家呈现腾讯云ES混合搜索的强大能力。 因此，我们需要的更多的是一个混合搜索解决方案，而非仅仅向量搜索。 混合搜索的原理和优势如下： 混合搜索的原理是，首先使用双路召回的方式对用户的查询进行检索。分别对查询语句和文档进行向量化和相似度计算以及基于分词的全文检索。 混合搜索的优势是，它可以克服向量检索和关键词检索各自的局限性，实现以下几个方面的提升： 更精准的检索结果。混合搜索可以同时利用关键词检索和向量搜索对数据进行查询，提高检索的准确性和可信度。 图三 一、实现混合搜索时需要考虑的因素 要做好混合搜索，在项目评估的时候需要注意以下方面： 更多的系统资源和设计成本。
6.8K33编辑于 2023-12-02 - 来自专栏QQ大数据团队的专栏
基于腾讯云ES混合搜索与TI-ONE部署DeepSeek，快速构建RAG应用
在RAG方面，腾讯云ES支持了一站式向量检索、文本+向量混合搜索、倒数排序融合、与大模型集成、GPU高性能推理、字段级别权限控制等能力，同时针对查询性能做了大量优化，有效的提升了数据检索效率，目前已落地微信读书 “AI 问书”、微信输入法“问 AI”、腾讯地图、腾讯会议、IMA Copilot、乐享智能搜索等大型应用中。 达百PB规模，提供自研压缩编码等能力；2022年，针对日志场景深度优化，提供一站式数据链路、自治索引等能力；2023年，产品形态升级，提供自动弹性、完全免运维的的Serverless版；2024年，极智搜索 腾讯云ES凭借其在传统PB级日志和海量搜索场景中积累的丰富经验，通过深度重构底层系统，成功地将多年的性能优化、索引构建和运营管理经验应用于RAG领域，并积极探索向量召回与传统搜索技术的融合之道，旨在充分发挥两者的优势 ，为用户提供更加精准、高效的搜索体验。
53101编辑于 2025-02-18 - 来自专栏程序猿声
混合算法(GA+TS)求解作业车间调度问题(JSP)-禁忌搜索部分
种群进化+邻域搜索的混合算法(GA+TS)求解作业车间调度问题(JSP)-算法介绍 Tabu部分原论文没有很详细的描述，因此很多内容是小编收集各方资料，查阅其他相关文献总结出的结论，小编自己编写了三个 Tabu1-基于编码 在之前的文章中说过，算法对每一代子代的每一个个体，都需要decode成可行解，然后运用禁忌搜索优化解，再编码回GA编码，进入下一代。 ; MSs.add(chromOps.machineSeqMutation(MS)); } 结论：这个邻域设计的比较随意，但经过小编的测试后发现效果不佳，小编在这里建议大家不要使用基于编码的邻域搜索 这里强调，无论什么邻域搜索，一定要在critical path上做文章，才容易改变解的makespan。 实际上，并不是一个机器上的所有位置都需要插入的。 Tabu3-基于甘特图的JSP N1邻域 前面的tabu2是一种FJSP的邻域结构，搜索的是插入不同机器的解空间。如果不插入不同机器呢？ 很显然，问题转化为JSP。
1.7K10发布于 2020-08-12 - 来自专栏生信喵实验柴
混合拼接
例如当前基因组拼接中，尤其对于一些大型的基因组，往往混合多种测序平台数据进行拼接，达到最佳的拼接效果。 一、混合拼接方案 我们对同一样品，分别进行了二代 illumina 双末端测序，三代单分子 pacbio 测序以及三代纳米孔 nanopore 测序数据。 scaffolds.fasta | seqkit stat seqkit seq -m 500 ill_pac/scaffolds.fasta | seqkit stat 3.4 unicycler 混合拼接
2.1K20编辑于 2022-05-23 - 来自专栏编程微刊
混合开发
http://ask.dcloud.net.cn/docs/ 组件：http://dev.dcloud.net.cn/mui/ui/#dtpicker
12500编辑于 2025-05-18 - 来自专栏编程微刊
混合开发
http://ask.dcloud.net.cn/docs/ 组件：http://dev.dcloud.net.cn/mui/ui/#dtpicker Image.png 调用前置或者后置摄像头，前
83630发布于 2018-06-04 - 来自专栏图像处理与模式识别研究所
加权混合
cv2.imshow("lena",b) cv2.imshow("result",result) cv2.waitKey() cv2.destroyAllWindows() 算法：图像的加权混合是在计算两张图像的像素值之和时每张图像添加了权重 ，给人一种混合和透明的感觉。
81810编辑于 2022-05-28 - 来自专栏QQ大数据团队的专栏
腾讯云ES向量功能窥探系列（一）：混合搜索功能初探与自研特性增强
它是 ES 8.x 引入的，在混合搜索、向量搜索上专门设立、最常用的查询语法。 ，Elasticsearch 8.x 的版本支持原生的混合搜索，这是众多向量数据库所不能及的。 混合搜索结合了 BM25 和向量搜索各自的优势，实现了比 BM25 搜索的召回更具语义性，比向量搜索的召回更加精准。 功能实现后，开启 RRF 的混合搜索的效果如下，可以在 matched_queries 中直观看到召回文档来源于哪路搜索： { ... "hits": { ... 通过源码级别的解析，帮助读者深入理解 Elasticsearch 的向量搜索功能。同时介绍了腾讯云 ES 在向量搜索方向对社区的相关贡献，对 RRF 混合搜索实现了功能上的增强。
73810编辑于 2024-08-05 - 来自专栏云计算D1net
混合云是什么？其实是混合IT
混合云可以获得增加人们的兴趣和使用率，但它已经让位给新的术语，如混合IT和混合型企业，而行业人士表示这是云计算发展的下一个阶段。 “我意识到，即使是混合云的术语正在接近使用期限，如果有什么的话，我听到更多的是混合IT。” 他指出，混合云应被视为混合IT的一个子集，并结合外包和内部IT服务，其中包括数据中心配置，主机托管，网络和云服务。 会议业务和IT目标需要的不仅仅是混合或公共云战略。他们需要一个全面管理混合型IT战略。”他说。 内勒补充说，带宽要求的增加反过来推动混合网络的增长。“混合云的发展与我们所说的混合型企业的外观类似。现在，它不仅是应用程序，计算或存储托管，它也是如何访问和交付。
1.1K60发布于 2018-03-26 - 来自专栏Apache Doris
Apache Doris AI 能力揭秘（四）：HSAP 一体化混合搜索架构全解
而这就要求数据库同时具备三种能力，将结构化分析、文本搜索和向量语义搜索集为一体，实现高效的混合搜索能力。 多系统拼接方案的痛点为实现混合搜索的能力，许多系统采用“向量数据库 + 搜索数据库 + OLAP 数据库”组合式架构来支撑类似能力。 查询链路长、延迟高：一次混合搜索需要多次跳转调用，例如先在向量库召回、再到搜索库过滤、最后进入 OLAP 聚合，成倍增加的链路延迟远高于单引擎执行。 众所周知， Doris 一贯以实时、极速著称，那么 Doris 是如何提供高效混合搜索体验的呢？ 7.4 实际查询测试在相同的环境下，正式对 Apache Doris 的混合搜索性能进行了测试。
25510编辑于 2025-12-22
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