视频｜利用Doc2Vec和Milvus搭建相似文章召回服务

利用doc2vec和Milvus搭建相似文章召回服务

 

上星期六很高兴请到了我们 Milvus 用户-松鼠，来与我们做了一期直播。想知道如何用 Doc2vec 和 Milvus 做相似文章推荐吗？欢迎点击视频看回放～

 

直播简介：

当前相似文章召回，较为流行的有 bag of words，average word vectors，tfidf-weighting word vectors，这些方法能都实现文章向量的训练，但是对文章在语义空间中的表达仍有一定的欠缺，主要原因是不能够学习到单词的顺序或者句子的语义。Doc2vec又叫Paragraph Vector是Tomas Mikolov基于word2vec模型提出的，doc2vec 相较于传统的 word2vec 的方法，考虑了文章中单词的顺序，能更好更准确的在向量空间中表示一篇文章的语义，而相比于神经网络语言模型，Doc2vec 的省时省力更适合工业落地。

文章语义向量化后，利用 Milvus 对特征向量做相似度检索。能极大的提高相似文章的召回速度，做到实时相似文章召回。最后获取召回的相似文章相似度，根据业务场景通过策略加权，最终排序输出符合当前业务的相似文章结果。

 

 

或是到这些地方收看：

PPT （示说网）：

利用doc2vec和milvus搭建相似文章召回服务​www.slidestalk.com

Video（腾讯视频）：

利用doc2vec和milvus搭建相似文章召回服务_腾讯视频​v.qq.com

 

 

希望你喜欢这次的直播内容， 也欢迎你来做 Milvus 直播讲师，与更多 Milvus 用户做技术分享喔！

 

| 欢迎加入 Milvus 社区

http://github.com/milvus-io/milvus | 源码

http://milvus.io | 官网

http://milvusio.slack.com | Slack 社区

http://zhihu.com/org/zilliz-11/columns | 知乎

http://zilliz.blog.csdn.net | CSDN 博客

http://space.bilibili.com/478166626 | Bilibili