Milvus 智能问答系统

1 .智能问答系统搭建 

2 . 什么是特征向量 • 向量是具有一定大小和方向的量，可以简单理解为一串数字的集合，就像一 行多列的矩阵，比如：[2,0,1,9,0,6,3,0]。每一行代表一个数据项，每一列代 表一个该数据项的各个属性。 • 特征向量是包含事物重要特征的向量。大家比较熟知的一个特征向量是RGB (红-绿-蓝)色彩。每种颜色都可以通过对红(R)、绿(G)、蓝(B)三种颜色的比例 来得到。这样一个特征向量可以描述为：颜色 = [红，绿，蓝]。 

3 . 为什么要用特征向量 • 随着现代计算机和机器学习技术的飞速发展，越来越多的多媒体数据被存 储、分析和运用在安防侦察、医疗、教育和在线信息服务等领域。多媒体数 据通常有多维度的特征。 • 例如，一张人脸图片是无法使用单维度的字母数字或字符串来描述的。而特 征向量则可以通过多维度数值高效准确地描述多媒体内容。一张人脸图片需 要成百上千维度的特征向量来精准描述。 

4 . Milvus应用场景 智慧城市 互联网 生物制药 Milvus在智慧城市、新零售等计算机视觉 Milvus广泛应用于互联网行业的个性化推 Milvus 赋能生物制药领域化合物虚拟筛选 领域有广泛的应用。人脸识别，VIP获客， 荐系统中。语料推荐，智能海报，千人千 过程，能够实现数十亿分子结构高性能相 生物因子认证等。 面，新闻、视频推荐等。 似性检索，极大提高筛选效率。 https://lfai.foundation/projects/milvus/ 

5 . BERT BERT是一个新的语言表征模型（language representation model），全称是 Bidirectional Encoder Representation Transformers，即双向Transformer 的Encoder。 • 使用了Transformer作为算法的主要框架，Trabsformer能更 彻底的捕捉语句中的双向关系； • 使用了Mask Language Model(MLM) 和 Next Sentence Prediction(NSP) 的多任务训练目标； Transformer BERT架构 网络架构 

6 .自然语言处理 – 智能问答系统 

7 .自然语言处理 – 智能问答系统 

8 .自然语言处理 – 用户场景 小米: 推荐系统中的文章召回 WPS：智能写作平台