以图搜图、以视频搜视频，「神经搜索」比关键词搜索更高效？( 二 )

极纳则瞄准这一市场，推出了多模态开源神经搜索框架。区别于传统的关键字匹配搜索引擎，神经搜索通过神经网络、深度学习去匹配输入内容与数据库中内容的相关性，从而提供并排序搜索结果。

本文插图
神经搜索最直接的优势在于语义差的消除，以文字内容为例，如搜索“三年时间北京房价浮动变化”传统搜索引擎会将语句拆分， “三年时间”可能搜索到一大批结果， “北京房价”又是一大堆结果，最后结果累计查询到的内容可能多达上百万，甚至包含大量的房屋楼盘广告。而搜索者想看到的可能仅仅是北京房价在过去三年时间内的变化趋势。而神经网络下，可将我们想搜索的内容与查询到的结果映射到同一语义空间中，以消除语义差。
除此之外，神经搜索甚至可以普及到更多方面，包括以图搜图、以视频搜视频乃至跨模态的搜索。在神经搜索框架下，仅需一张剧照便可搜索到你想要的视频，而不是搜索到更多其他剧照，这便是神经网络的神奇之处。
从背后技术来讲，神经搜索不仅仅能够更有效地服务使用者，对于开发者而言，神经搜索也有独特的技术优势。目前市场上的以图搜图、以音搜音仍是将这些多媒体信息进行标签化处理后通过匹配标签找到搜索结果，而神经搜索的优势就在于不打标签，不去进行符号化的标签匹配，而是通过神经网络将所有特征映射到同一空间，在同一空间中进行相似意义的搜索。
极纳联合创始人&COO何烜彬向创业邦表示：“随着媒体表现形式的不断延伸拓展，标签化的搜索模式在很多场景下已经无法满足用户的搜索需求。 ”以游戏开发工作者为例，许多需要进行3D渲染的场景，其素材是动态的、3D的，传统搜索引擎难以描述，进行2D截图也很难搜索到3D材料，而神经网络的跨模态搜索则可以顺利帮助开发者搜索到对应素材。
极纳科技COO何烜彬

本文插图
商业模式方面，目前极纳仍采用开源项目制的方式来运营。何烜彬表示：“项目开源让我们看到了神经搜索在各个领域新的可能性，也是市场发展的一个最佳路径。 ”开源项目意味着更多开发者可根据现有框架，在此基础上进行二次开发，以得到更成熟、更偏向应用的落地产品。
法国的一位软件工程师就以极纳神经搜索框架为基础开发了法院判例搜索引擎，输入当前案件描述便可快速匹配到性质相似案件，而非关键字相似案件，因此该款搜索引擎可帮助判例法司法体系快速匹配相似案例，以辅助律师完成辩护工作。