微软bing
几年前，网络搜索很简单，用户输入几个关键字，然后就可以一页一页的查看搜索结果。
如今，用户还可以直接用手机拍照，然后把照片放到搜索框，或者通过ai助手就可以搜索，甚至还可以直接输入问题，得到一个确切的答案，而不是返回无数页的搜索结果
用户的搜索的偏好并不是什么新鲜事——自从Web搜索诞生以来，竞争一直很激烈，如今，由于人工智能的进步，满足这些不断发展的需求变得越来越容易，其中包括必应搜索团队和微软亚洲研究实验室(Asia research lab)的研究人员首创的AI技术。
近日，微软在GitHub上发布了一款最先进的人工智能工具，它可以作为一个开源项目，更好地满足人们不断变化的搜索需求。本周三，微软还通过微软的人工智能实验室发布了用户示例技术和相关视频。
该算法称为SPTAG （Space Partition Tree And Graph）分布式近似最近邻域搜索（ANN）库，允许用户利用深度学习模型在几毫秒内搜索数十亿条信息，这足以说明返回搜索结果有多快。
这种搜索方式比关键字搜索更简单。例如，如果用户输入“巴黎塔有多高?”Bing可以返回一个自然语言的结果，告诉用户埃菲尔铁塔有1063英尺，尽管搜索查询中从未出现过“埃菲尔”这个词，搜索结果中也没有出现“高”这个词。
首先，微软采用预先训练的模型并将数据编码到矢量中，其中每个矢量代表一个字或像素。然后使用新的 SPTAG 库生成向量索引。随着查询信息的进入，深度学习模型将该文本或图像转换为向量，该库紧接着就能在索引中找到最相关的向量。
微软表示，通过bing搜索，SPTAG 库迄今已对超过 1500 亿条数据进行了改进，其中包括单个单词、字符、网页代码段和完整查询等。
“Bing 每天处理数十亿个文档，现在的想法是将这些条目表示为向量，并搜索这个 1000 亿以上向量的巨大索引，以便在 5 毫秒内找到最相关的结果”。
该库现已开放使用，遵循MIT许可协议，目前在GitHub上已经获得 1280 个Star，131 个Fork（GitHub地址：https://github.com/microsoft/SPTAG）
精彩回顾
♡ 程序员究竟能干多少年？
♡ 一次尴尬的采访和程序员的传奇脑洞！
♡ 天一冷，程序员都穿上格子衫
♡ IT公司老板落水，各部门员工怎么救
♡ 宿命之战：程序员VS产品经理
♡ 作为一个前端，可以如何机智地弄坏一台电脑？
♡ 程序员跟产品经理打起来了，这是一个需求引发的血案...
♡ 后端说，你个前端不会用 headers吧，我怒了！
♡ 有个厉害的程序员女朋友是什么体验？
♡ 多年来，程序员经常加班的真相终于揭开了…
相关阅读
今年互联网最火的两个词是下沉和增长，一夜之间，所有的互联网企业都在做下沉市场，都在做用户增长，而目前做下沉和增长最好的当属鼻祖拼
算法原理 对MD5算法简要的叙述可以为：MD5以512位分组来处理输入的信息，且每一分组又被划分为16个32位子分组，经过了一系列的处理后，算
目录 冒泡排序 改进的冒泡排序(鸡尾酒排序) 选择排序 插入排序 二分插入排序 希尔排序 快速排序 归并排序 堆排序 计数排序 基数
本文是结合趣写算法系列之–匈牙利算法的学习笔记。什么是二分图？简单来说，如果图中点可以被分为两组，并且使得所有边都跨越组的边界
这标题，怎么感觉好像有点震惊体的意思了。先上代码： C++版： #include <iostream> using namespace std; int prime(int n); int main