TensorFlow Verbindung zur Suche leicht gemacht
Als Google TensorFlow, eine durchgängige Open-Source-Plattform für maschinelles Lernen, zur Verfügung stellte, stellten sich viele Beobachter sofort die Möglichkeiten vor,…
Als Google TensorFlow, eine durchgängige Open-Source-Plattform für maschinelles Lernen, zur Verfügung stellte, stellten sich viele Beobachter sofort die Möglichkeiten vor, ihre eigenen Suchimplementierungen mit dem Software-Framework von Google zu verbessern. Schließlich war Google das größte Suchunternehmen für Verbraucher und verdankte einen Großteil seiner jüngsten Erfolge der künstlichen Intelligenz. Ein paar der mutigsten und innovativsten Unternehmen beeilten sich, TensorFlow für eine Vielzahl von Anwendungsfällen zu nutzen. Viele Menschen verwenden TensorFlow für die Bildklassifizierung, so dass es eine natürliche Wahl ist, um maschinelles Lernen zur Bildersuche hinzuzufügen.
Und obwohl die Einbindung von TensorFlow in Suchanwendungen definitiv eine Architektur war, die von Unternehmen erforscht wurde, wurde sie schließlich aufgegeben, weil sich die Einbindung in die Suche als eine große Herausforderung erwies. Das Hinzufügen von Feldern zur Indexzeit oder zur Abfragezeit ist ein frustrierendes Beispiel.
Heute, weniger als zwei Jahre nach der vollständigen Freigabe von TensorFlow, ist die Zeit reif. Lucidworks hat eine Version von Fusion veröffentlicht, mit der die Einbindung von TensorFlow so einfach ist wie das Erstellen eines Modells, das Trainieren des Modells, das Bündeln des resultierenden Protobuffs und einer Konfigurationsdatei, die die Serialisierung des TensorFlow-Graphen steuert, und das Einfügen in eine Index-Pipeline.
Dokumente und Abfragen mit TensorFlow klassifizieren
Mit Lucidworks Fusion können Sie jetzt schnell TensorFlow-Modelle zur Verwendung in Ihrem Suchindex oder Ihren Abfrage-Pipelines einsetzen. Derzeit besteht die einfachste Implementierung darin, TensorFlow zu verwenden, um ein durch maschinelles Lernen generiertes Feld zu einem Dokumentenkorpus hinzuzufügen.
Sie können TensorFlow für die Klassifizierung von Dokumenten verwenden. Während Fusion-Benutzer Dokumente über ML-Stufen, benutzerdefinierte JavaScript-Stufen oder andere Klassifizierungsmethoden klassifiziert haben könnten, können Benutzer mit TensorFlow in Fusion die Flexibilität, Popularität und schiere Allgegenwärtigkeit von TensorFlow nutzen. Wenn Sie in Ihrem Unternehmen Datenwissenschaftler haben, die TensorFlow zur Taxonomisierung Ihrer Daten verwenden, können Sie diese Modelle möglicherweise zur Verbesserung Ihrer Suchleistung weiterverwenden.
Aber, warten Sie, es gibt noch mehr. Sie können TensorFlow auch zur Klassifizierung von Suchanfragen verwenden. Mit unseren Modellen oder Ihren eigenen können wir Ihnen helfen zu verstehen, ob ein Kunde auf Ihrer Website nach einem Preisvergleich sucht, ein bestimmtes Produkt kaufen möchte oder sich die Neuheiten der Saison ansehen möchte. Wenn Sie die Emotionen hinter einer Suchanfrage verstehen, können Sie die relevanten Ergebnisse, die Sie dem Nutzer zeigen, stärker ansprechen.
TensorFlow ausprobieren
Wenn Sie die Suche mit TensorFlow testen möchten, haben Sie mehrere Möglichkeiten, um loszulegen. Sie können Ihre Fusion-Instanz auf 4.2.0 aktualisieren, oder Sie können das Lab Financial Oracles ausprobieren, das Sie hier im Dropdown-Menü Instanzen erstellen finden. Kommentieren Sie diesen Beitrag, wenn Sie Fragen zum Einsatz von TensorFlow-Modellen mit Fusion haben. Die Stimmungswerte, die Sie in der App als Facetten sehen, wurden in der Index-Pipeline generiert, als der Artikeltext aus jedem Dokument durch TensorFlow lief. Sie sind das Ergebnis der Verarbeitung von Yahoo Finance-Artikeln durch ein Sentiment-Analyse-Modell.
TensorFlow-Modelle sind auch nicht die einzigen Modelle, die Sie einsetzen können. Seit Fusion 4.0.0 unterstützen wir den Einsatz einer Reihe anderer Modelle. Die Auswirkungen auf die Sprachsuche, die Bildersuche und sogar die standardmäßige Textsuche werden diese Funktion zu einer der beliebtesten Funktionen in Fusion machen.
Ganz gleich, ob Sie die Bildersuche, den Umsatz im Handel oder die Suchleistung verbessern wollten, das umfassende, flexible Ökosystem von TensorFlow mit seinen Tools, Bibliotheken und Community-Ressourcen ist jetzt eine praktikable Lösung.