前言

十一一直陪家人，所以也沒時(shí)間寫文章。最近剛好趕上Elastic Search上市，其實(shí)在圈子里還是挺轟動(dòng)的，因?yàn)檫@個(gè)也是少數(shù)的靠賣開源軟件服務(wù)上市的公司。大家都知道ES是做搜索服務(wù)的，今天就聊聊我對(duì)搜索的認(rèn)識(shí)

從業(yè)務(wù)屬性講

搜索的話，其實(shí)是大家接觸最多的一類業(yè)務(wù)。其實(shí)說機(jī)器學(xué)習(xí)，其實(shí)是一門技術(shù)，而搜索是一項(xiàng)業(yè)務(wù)，機(jī)器學(xué)習(xí)可以應(yīng)用到搜索業(yè)務(wù)中去，同時(shí)中間件技術(shù)、數(shù)據(jù)庫技術(shù)等都跟搜索密不可分。

從業(yè)務(wù)屬性上講搜索的話，在我眼里分為兩種。一種是簡(jiǎn)單的匹配類搜索，一種是業(yè)務(wù)導(dǎo)向類。前者的追求是最高效率的找到跟輸入信息匹配的內(nèi)容，Google、百度做的事情就是這種。業(yè)務(wù)導(dǎo)向型，更多地是將搜索賦予業(yè)務(wù)邏輯，比如A在電商平臺(tái)搜索以一個(gè)包，電商平臺(tái)可以根據(jù)A的消費(fèi)能力去匹配最合適的產(chǎn)品，甚至返回的不是包而是一個(gè)跟包搭配的裙子。

倒排索引/正派索引

真正的搜索業(yè)務(wù)不會(huì)是暴力的從全部數(shù)據(jù)中遍歷搜索的。一定是將一類數(shù)據(jù)建成索引。倒排或者正排表示的是索引建立的方法，這個(gè)索引建立也就是數(shù)據(jù)建模過程，是搜索系統(tǒng)的核心。

上圖是一種索引關(guān)系，正排索引是以Document，也就是文章ID為主key，如果要搜索某個(gè)關(guān)鍵詞，需要遍歷每一篇文章，搜索的時(shí)候計(jì)算量很大，好處是建模容易。

倒排索引就是以詞為主key，搜索的時(shí)候找到詞之后返回這個(gè)詞所在的文章。這種方式搜索的時(shí)候計(jì)算量小，建模比較難。倒排索引也是目前的主流搜索索引建模方法。

Lucene

Lucene是非常有名的搜索引擎了，包含下面的整套架構(gòu)，從上面提的索引創(chuàng)建，到用戶的訪問。

Elastic Search其實(shí)是在這一套上面做了分布式服務(wù)，規(guī)范了各種訪問和查詢接口，支持多點(diǎn)容災(zāi)和查詢。

未來的搜索

現(xiàn)在的搜索其實(shí)已經(jīng)內(nèi)嵌了很多機(jī)器學(xué)習(xí)相關(guān)的組件，比如建索引的時(shí)候會(huì)有分詞、文本理解相關(guān)的應(yīng)用。未來隨著人工智能的發(fā)展我覺得搜索這項(xiàng)業(yè)務(wù)的本質(zhì)會(huì)發(fā)生變化。

現(xiàn)在搜索做的事情是匹配用戶輸入的信息和世界上已經(jīng)存在的信息。未來隨著類似于深度學(xué)習(xí)GAN模型的發(fā)展，或者其它生成類技術(shù)的發(fā)展。

搜索會(huì)變成自動(dòng)生成用戶輸入的內(nèi)容，比如現(xiàn)在用戶輸入“黃片兒”，搜索引擎是利用爬蟲去找已經(jīng)存在的黃片，未來可能就直接現(xiàn)場(chǎng)人工智能造一個(gè)黃片返回，甚至能根據(jù)用戶習(xí)慣自定義。

這個(gè)就是想說的內(nèi)容，未來機(jī)器學(xué)習(xí)在搜索領(lǐng)域一定大有可為，持續(xù)關(guān)注這個(gè)業(yè)務(wù)方向~

總結(jié)

以上是生活随笔為你收集整理的谈谈对搜索技术Elastic SearchLucene的理解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。