页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「余弦相似度」找到 47 条内容
按专题浏览 →匹配正文：…penAI、BGE、M3E等） 文本分块的核心策略（固定长度、语义分块、递归分块等）及边界处理 向量归一化的作用与L2归一化实现 余弦相似度的数学原理与计算优化 ANN近似最近邻算法（HNSW、IVF等）的应用场景 一、嵌入模型选型 场景 推荐方案 特点 通用中文 BGE-large-zh、M3E-base 开源、可私有化部署 多语言 E5-multilingual、OpenAI text-embedding-3 跨语言检索能力强 垂直领域 领域微调（如法律、医疗） 用领域数…
匹配正文：…向量）的技术，让机器能“计算”语义 核心性质：意思越接近的文本，向量在空间中的位置越近——这是一切语义检索的基础 语义相似度最常用余弦相似度来算：看两个向量方向的夹角，值越接近 1 越相似 向量由专门训练的嵌入模型生成（如 BGE 系列），不是随便编码 它是 RAG 检索、语义搜索、推荐系统共同的地基 核心概念 Embedding（向量嵌入）是指用模型把一段文字映射成一个固定长度的数字向量（比如 1024 个小数），使得语义相近的文字在向量空间中的位置也相近。可以把它想象成给…
匹配正文：… 查询向量化：同一Embedding模型编码，保证查询-文档同空间 ANN检索：Top-K近似最近邻，非暴力全量计算 相似度计算：余弦相似度 = (A·B)/(||A||·||B||)，值域[-1,1]，实际取Top-K 关键优化点 优化方向 具体手段 召回质量 混合检索（向量+关键词BM25）、查询改写、多向量表示 精度提升 两阶段检索（粗排+精排/Cross-Encoder重排序） 效率优化 量化（FP32→FP16/INT8）、索引分区、缓存热点查询 领域适配 Embe…
学习内容与项目面试，在同一条路上。