當前相似文章召回，較爲流行的有 bag of words，average word vectors，tfidf-weighting word vectors，這些方法能都實現文章向量的訓練，但是對文章在語義空間中的表達仍有一定的欠缺，主要原因是不能夠學習到單詞的順序或者句子的語義。Doc2vec又叫Paragraph Vector是Tomas Mikolov基於word2vec模型提出的，doc2vec 相較於傳統的 word2vec 的方法，考慮了文章中單詞的順序，能更好更準確的在向量空間中表示一篇文章的語義，而相比於神經網絡語言模型，Doc2vec 的省時省力更適合工業落地。
文章語義向量化後，利用 Milvus 對特徵向量做相似度檢索。能極大的提高相似文章的召回速度，做到實時相似文章召回。最後獲取召回的相似文章相似度，根據業務場景通過策略加權，最終排序輸出符合當前業務的相似文章結果。
| 直播流程
| 講師介紹
松鼠， 推薦算法工程師
曾多次參加算法比賽，在阿里天池推薦比賽多次 top10%，Kaggle 比賽多次銀牌，有較豐富的推薦經驗，結合業務場景落地推薦系統。
| 活動信息
時間：5/30 （Sat.) 7:00 PM - 8:00 PM
直播報名：
https://www.huodongxing.com/event/4545398282122
https://www.slidestalk.com/m/150
| 看直播拿好禮
我們會從報名的名單中抽出 5 名幸運的童鞋送出限量的 Milvus 不鏽鋼冰石，有了它今夏的快樂加倍！5/28 前報名纔有機會參加抽獎喔，手慢無！
| 歡迎加入 Milvus 社區
github.com/milvus-io/milvus | 源碼
milvus.io | 官網
milvusio.slack.com | Slack 社區
zhihu.com/org/zilliz-11/columns | 知乎
zilliz.blog.csdn.net | CSDN 博客
space.bilibili.com/478166626 | Bilibili
