کتاب جستوجوی مبتنی بر هوش مصنوعی (AI-Powered Search)، نوشته تری گرینگر، داگ ترنبال و مکس اروین، راهنمایی عمیق و کاربردی برای مهندسان و دانشمندان داده است که میخواهند سیستمهای جستوجوی هوشمند و مدرن بسازند. این کتاب با تمرکز بر تکنیکهای پیشرفته یادگیری ماشین، از یادگیری گراف دانش و جستوجوی معنایی تا مدلهای زبان بزرگ (LLMs)، شما را در ایجاد سیستمهای جستوجوی خودکار و بهبودپذیر هدایت میکند. با مثالهای عملی و پروژهمحور، این کتاب به شما کمک میکند تا جستوجوهایی با دقت و مرتبطتر ارائه دهید که نیازهای کاربران مدرن را برآورده کند. خرید نسخه چاپی شامل نسخه رایگان eBook در فرمتهای PDF و ePub از انتشارات Manning است.
ساخت سیستمهای جستوجوی موثر یکی از بزرگترین چالشهای مهندسی نرمافزار است. این کتاب با آموزش تکنیکهای دادهمحور مانند جستوجوی معنایی با استفاده از بردارهای متراکم، تولید افزوده شده با بازیابی (RAG)، و شخصیسازی مبتنی بر سیگنالهای کاربر، شما را قادر میسازد تا سیستمهای جستوجویی بسازید که از تعاملات کاربران یاد میگیرند و بهطور خودکار بهبود مییابند. این کتاب نهتنها به شما کمک میکند تا موتورهای جستوجوی موجود را ارتقا دهید، بلکه ابزارها و تکنیکهایی برای ساخت سیستمهای جدید از ابتدا ارائه میدهد. مقدمهای از گرنت اینگرسول، متخصص برجسته در حوزه جستوجو، ارزش این کتاب را دوچندان کرده است.
بخش اول: مبانی جستوجوی مبتنی بر هوش مصنوعی
مقدمهای بر جستوجوی مبتنی بر هوش مصنوعی: آشنایی با مفاهیم و چالشها.
کار با زبان طبیعی: پردازش و درک زبان کاربران.
رتبهبندی و اهمیت مبتنی بر محتوا: بهبود مرتبط بودن نتایج.
اهمیت جمعی (Crowdsourced Relevance): استفاده از بازخورد کاربران.
بخش دوم: یادگیری پیشرفته و جستوجوی معنایی
یادگیری گراف دانش: استفاده از ساختارهای داده برای یادگیری خاص دامنه.
استفاده از زمینه برای یادگیری زبان خاص دامنه: بهبود درک محتوا.
تفسیر نیت پرسوجو از طریق جستوجوی معنایی: تحلیل دقیق پرسوجوها.
بخش سوم: شخصیسازی و رتبهبندی
مدلهای تقویت سیگنال: استفاده از رفتار کاربران برای بهبود نتایج.
جستوجوی شخصیسازیشده: تطبیق نتایج با نیازهای کاربر.
یادگیری برای رتبهبندی (Learning to Rank): الگوریتمهای رتبهبندی عمومی.
خودکارسازی رتبهبندی با مدلهای کلیک: بهبود خودکار رتبهبندی.
غلبه بر تعصب در رتبهبندی با یادگیری فعال: کاهش سوگیریها.
بخش چهارم: تکنیکهای پیشرفته و آینده جستوجو
جستوجوی معنایی با بردارهای متراکم: استفاده از مدلهای پایه.
پاسخگویی به سوالات با مدلهای زبان بزرگ تنظیمشده: ترکیب جستوجو و LLMs.
مدلهای پایه و پارادایمهای نوظهور جستوجو: آینده فناوری جستوجو.
اجرای مثالهای کد: راهنمای عملی برای پیادهسازی.
موتورهای جستوجو و پایگاههای داده برداری پشتیبانیشده: ابزارهای سازگار.
این کتاب با دهها مثال واقعی از حوزههایی مانند رسانههای اجتماعی، تجارت الکترونیک و تحلیل داده، شما را در ساخت سیستمهای جستوجوی هوشمند هدایت میکند. از پیادهسازی جستوجوی معنایی با بردارهای متراکم تا ادغام مدلهای زبان بزرگ برای پاسخگویی به سوالات و خلاصهسازی، این کتاب سناریوهای دنیای واقعی را پوشش میدهد. آموزشهای مربوط به شخصیسازی، رتبهبندی مبتنی بر یادگیری ماشین و استفاده از گرافهای دانش، شما را برای توسعه سیستمهای جستوجوی پیشرفته آماده میکنند.
این کتاب بر فناوریهای مدرن مانند مدلهای زبان بزرگ (LLMs)، جستوجوی معنایی، تولید افزوده شده با بازیابی (RAG)، گرافهای دانش و یادگیری برای رتبهبندی تمرکز دارد. ابزارهایی مانند scikit-learn، PyTorch و پایگاههای داده برداری با استانداردهای علم داده و مهندسی جستوجو همراستا هستند. این فناوریها برای توسعه سیستمهای جستوجوی مقیاسپذیر و هوشمند مناسباند.
این کتاب برای توسعهدهندگان نرمافزار و دانشمندان دادهای مناسب است که با اصول اولیه فناوری موتورهای جستوجو آشنا هستند. چه بخواهید موتور جستوجوی موجود را بهبود دهید یا یک سیستم جدید بسازید، این کتاب دانش و ابزارهای لازم را ارائه میدهد. دانش پایه در برنامهنویسی و مفاهیم جستوجو کافی است.
تری گرینگر، بنیانگذار Searchkernel و مدیر سابق الگوریتمها در Lucidworks، با تجربه گسترده در جستوجوی معنایی.
داگ ترنبال، مهندس ارشد در Reddit و نویسنده مشترک کتاب Relevant Search، متخصص در رتبهبندی و جستوجو.
مکس اروین، بنیانگذار Max.io و مشاور ارشد در OpenSource Connections، متخصص در جستوجوی معنایی و پاسخگویی به سوالات.
نظرات کاربران