目前,将文本处理词向量的方法有很多,比如最基本的 One-hot 方法、比较流行的 Word2vec 方法、FastText 方法、GloVe 方法,但是这些词向量的方法都是静态的词向量方法,也就是说这些方法构成的词向量并不依赖上下文语义。所以我们选择了 Google 开源的 BERT 模型,它是一种动态的词向量表示方法,BERT 模型可以根据左右上下文语境去调整文本特征。
本次我们将用 BERT 模型将文本处理成向量,然后利用 Milvus 对特征向量做相似度检索,搭建一个文本搜索引擎。
| 直播流程
Milvus与BERT搭建文本搜索引擎的方案简介
Demo搭建与展示
答疑
| 活动信息
时间:9/29 (Tue.) 7:00 PM - 7:45 PM
活动小助手&交流群: 对活动有问题吗?还是希望入群与 Milvus 的大牛们共同交流。欢迎加小助手微信:zilliz-tech 并记得回覆暗号“Milvus 入群”哦!
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。