-
-
Notifications
You must be signed in to change notification settings - Fork 29
Commit
This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.
Merge pull request #60 from NotTheRightGuy/lang/Portuguesse
- Loading branch information
Showing
1 changed file
with
237 additions
and
0 deletions.
There are no files selected for viewing
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| Original file line number | Diff line number | Diff line change |
|---|---|---|
| @@ -0,0 +1,237 @@ | ||
| # Busca Semântica Incrível [](https://awesome.re) [](https://conventionalcommits.org) | ||
|
|
||
| <img src="logo.svg" /> | ||
|
|
||
| Logo feito por [@createdbytango](https://instagram.com/createdbytango). | ||
|
|
||
| **À procura de mais adições de artigos. | ||
| PS: Abra um PR (Pedido de Pull)** | ||
|
|
||
| Este repositório visa servir como um meta-repositório para tarefas relacionadas com [Busca Semântica](https://pt.wikipedia.org/wiki/Busca_semântica) e [Similaridade Semântica](http://nlpprogress.com/english/semantic_textual_similarity.html). | ||
|
|
||
| A busca semântica não se limita a texto! Pode ser feito com imagens, voz, etc. Existem inúmeros casos de uso e diferentes aplicações de busca semântica. | ||
|
|
||
| Sinta-se à vontade para abrir um PR neste repositório! | ||
|
|
||
| ## Conteúdo | ||
|
|
||
| - [Artigos](#artigos) | ||
| - [2014](#2014) | ||
| - [2015](#2015) | ||
| - [2016](#2016) | ||
| - [2017](#2017) | ||
| - [2018](#2018) | ||
| - [2019](#2019) | ||
| - [2020](#2020) | ||
| - [2021](#2021) | ||
| - [2022](#2022) | ||
| - [2023](#2023) | ||
| - [Artigos](#artigos) | ||
| - [Bibliotecas e Ferramentas](#bibliotecas-e-ferramentas) | ||
| - [Conjuntos de Dados](#conjuntos-de-dados) | ||
| - [Marcos](#marcos) | ||
|
|
||
| ## Artigos | ||
|
|
||
| ### 2010 | ||
|
|
||
| - [Priority Range Trees](https://arxiv.org/abs/1009.3527) | ||
|
|
||
| ### 2014 | ||
|
|
||
| - [Um Modelo Semântico Latente com Estrutura de Convolutional-Pooling para Recuperação de Informação](https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/cikm2014_cdssm_final.pdf) 📄 | ||
|
|
||
| ### 2015 | ||
|
|
||
| - [Vetores de Skip-Thought](https://arxiv.org/pdf/1506.06726.pdf) 📄 | ||
| - [LSH Prático e Ótimo para Distância Angular](https://proceedings.neurips.cc/paper/2015/hash/2823f4797102ce1a1aec05359cc16dd9-Abstract.html) | ||
|
|
||
| ### 2016 | ||
|
|
||
| - [Saco de truques para classificação eficiente de texto](https://arxiv.org/abs/1607.01759) 📄 | ||
| - [Enriquecendo vetores de palavras com informações de subpalavras](https://arxiv.org/abs/1607.04606) 📄 | ||
| - [Pesquisa aproximada de vizinho mais próximo eficiente e robusta usando gráficos hierárquicos navegáveis de pequenos mundos](https://arxiv.org/abs/1603.09320) | ||
| - [Sobre a pesquisa aproximada de incorporações de palavras semelhantes](https://www.aclweb.org/anthology/P16-1214.pdf) | ||
| - [Aprendendo representações distribuídas de sentenças a partir de dados não rotulados](https://arxiv.org/abs/1602.03483)📄 | ||
| - [Pesquisa aproximada do vizinho mais próximo em dados de alta dimensão --- Experimentos, análises e melhorias](https://arxiv.org/abs/1610.02455) | ||
|
|
||
| ### 2017 | ||
|
|
||
| - [Aprendizagem supervisionada de representações de frases universais a partir de dados de inferência de linguagem natural](https://research.fb.com/wp-content/uploads/2017/09/emnlp2017.pdf) 📄 | ||
| - [Semelhança textual semântica para hindi] (https://www.semanticscholar.org/paper/Semantic-Textual-Similarity-For-Hindi-Mujadia-Mamidi/372f615ce36d7543512b8e40d6de51d17f316e0b)📄 | ||
| - [Sugestão eficiente de resposta em linguagem natural para resposta inteligente](https://arxiv.org/abs/1705.00652)📃 | ||
|
|
||
| ### 2018 | ||
|
|
||
| - [Codificador de frases universais](https://arxiv.org/pdf/1803.11175.pdf) 📄 | ||
| - [Aprendendo similaridade textual semântica em conversas](https://arxiv.org/pdf/1804.07754.pdf) 📄 | ||
| - [Blog de IA do Google: avanços na similaridade textual semântica](https://ai.googleblog.com/2018/05/advances-in-semantic-textual-similarity.html) 📄 | ||
| - [Speech2Vec: uma estrutura de sequência a sequência para aprender incorporações de palavras a partir da fala](https://arxiv.org/abs/1803.08976))🔊 | ||
| - [Otimização da indexação com base no gráfico k-vizinho mais próximo para pesquisa de proximidade em dados de alta dimensão](https://arxiv.org/abs/1810.07355) 🔊 | ||
| - [Pesquisa rápida aproximada do vizinho mais próximo com o | ||
| Navegando no gráfico de dispersão](http://www.vldb.org/pvldb/vol12/p461-fu.pdf) | ||
| - [O caso das estruturas de índice aprendidas](https://dl.acm.org/doi/10.1145/3183713.3196909) | ||
|
|
||
| ### 2019 | ||
|
|
||
| - [LASER: representações de frases agnósticas de linguagem](https://engineering.fb.com/2019/01/22/ai-research/laser-multilingual-sentence-embeddings/) 📄 | ||
| - [Expansão de documentos por previsão de consulta](https://arxiv.org/abs/1904.08375) 📄 | ||
| - [Sentence-BERT: Embeddings de frases usando redes BERT siamesas](https://arxiv.org/pdf/1908.10084.pdf) 📄 | ||
| - [Classificação de documentos em vários estágios com BERT](https://arxiv.org/abs/1910.14424) 📄 | ||
| - [Recuperação latente para resposta a perguntas de domínio aberto com supervisão fraca](https://arxiv.org/abs/1906.00300) | ||
| - [Resposta completa de perguntas de domínio aberto com BERTserini](https://www.aclweb.org/anthology/N19-4013/) | ||
| - [BioBERT: um modelo de representação de linguagem biomédica pré-treinado para mineração de texto biomédico](https://arxiv.org/abs/1901.08746)📄 | ||
| - [Analisando e melhorando representações com a perda suave do vizinho mais próximo](https://arxiv.org/pdf/1902.01889.pdf)📷 | ||
| - [DiskANN: rápido e preciso bilhão de pontos mais próximo | ||
| Pesquisa de vizinho em um único nó](https://proceedings.neurips.cc/paper/2019/file/09853c7fb1d3f8ee67a61b6bf4a7f8e6-Paper.pdf) | ||
|
|
||
| ### 2020 | ||
|
|
||
| - [Implantando rapidamente um mecanismo de pesquisa neural para o conjunto de dados de pesquisa aberta COVID-19: reflexões preliminares e lições aprendidas](https://arxiv.org/abs/2004.05125) 📄 | ||
| - [RE-RANKING DA PASSAGEM COM BERT](https://arxiv.org/pdf/1901.04085.pdf) 📄 | ||
| - [CO-Search: recuperação de informações sobre COVID-19 com pesquisa semântica, resposta a perguntas e resumo abstrativo](https://arxiv.org/pdf/2006.09595.pdf) 📄 | ||
| - [LaBSE: Incorporação de frase BERT independente de idioma](https://arxiv.org/abs/2007.01852) 📄 | ||
| - [Covidex: Modelos de classificação neural e infraestrutura de pesquisa de palavras-chave para o conjunto de dados de pesquisa aberta COVID-19](https://arxiv.org/abs/2007.07846) 📄 | ||
| - [DeText: uma estrutura profunda de PNL para compreensão inteligente de texto](https://engineering.linkedin.com/blog/2020/open-sourcing-detext) 📄 | ||
| - [Fazendo incorporações de frases monolíngues multilíngues usando destilação de conhecimento](https://arxiv.org/pdf/2004.09813.pdf) 📄 | ||
| - [Transformadores pré-treinados para classificação de texto: BERT e além](https://arxiv.org/abs/2010.06467) 📄 | ||
| - [REALM: Pré-treinamento de modelo de linguagem aumentada de recuperação](https://arxiv.org/abs/2002.08909) | ||
| - [ELECTRA: CODIFICADORES DE TEXTO DE PRÉ-TREINAMENTO COMO DISCRIMINADORES EM VEZ DE GERADORES](https://openreview.net/pdf?id=r1xMH1BtvB)📄 | ||
| - [Melhorando o aprendizado profundo para pesquisa no Airbnb](https://arxiv.org/pdf/2002.05515) | ||
| - [Gerenciando a Diversidade na Pesquisa Airbnb](https://arxiv.org/abs/2004.02621)📄 | ||
| - [Aprendizagem contrastiva negativa aproximada do vizinho mais próximo para recuperação de texto denso](https://arxiv.org/abs/2007.00808v1)📄 | ||
| - [Incorporações de estilo de imagem não supervisionado para tarefas de recuperação e reconhecimento](https://openaccess.thecvf.com/content_WACV_2020/papers/Gairola_Unsupervised_Image_Style_Embeddings_for_Retrieval_and_Recognition_Tasks_WACV_2020_paper.pdf)📷 | ||
| - [DeCLUTR: Aprendizagem Contrastiva Profunda para Representações Textuais Não Supervisionadas](https://arxiv.org/abs/2006.03659)📄 | ||
|
|
||
| ### 2021 | ||
|
|
||
| - [Abordagem híbrida para cálculo de similaridade semântica entre palavras Tamil](https://www.researchgate.net/publication/350112163_Hybrid_approach_for_semantic_similarity_calculation_between_Tamil_words) 📄 | ||
| - [SBERT aumentado](https://arxiv.org/pdf/2010.08240.pdf) 📄 | ||
| - [BEIR: um benchmark heterogêneo para avaliação zero-shot de modelos de recuperação de informações](https://arxiv.org/abs/2104.08663) 📄 | ||
| - [Pesquisa visual heterogênea com reconhecimento de compatibilidade](https://arxiv.org/abs/2105.06047) 📷 | ||
| - [Aprendendo estilo pessoal com alguns exemplos](https://chuanenlin.com/personalstyle)📷 | ||
| - [TSDAE: Usando codificador automático de eliminação de ruído sequencial baseado em transformador para aprendizagem não supervisionada de incorporação de frases](https://arxiv.org/abs/2104.06979)📄 | ||
| - [Uma Pesquisa de Transformadores](https://arxiv.org/abs/2106.04554)📄📷 | ||
| - [SPLADE: modelo lexical esparso e de expansão para classificação de primeiro estágio](https://dl.acm.org/doi/10.1145/3404835.3463098)📄 | ||
| - [Sugestões de consulta de pesquisa relacionada de alta qualidade usando Deep Reinforcement Learning](https://arxiv.org/abs/2108.04452v1) | ||
| - [Recuperação de produto baseada em incorporação na pesquisa Taobao](https://arxiv.org/pdf/2106.09297.pdf)📄📷 | ||
| - [TPRM: um modelo de classificação personalizado baseado em tópicos para pesquisa na Web](https://arxiv.org/abs/2108.06014)📄 | ||
| - [mMARCO: uma versão multilíngue do conjunto de dados de classificação de passagens MS MARCO](https://arxiv.org/abs/2108.13897)📄 | ||
| - [Raciocínio de banco de dados sobre texto](https://aclanthology.org/2021.acl-long.241.pdf)📄 | ||
| - [Como o ajuste fino adversário beneficia o BERT?](https://arxiv.org/abs/2108.13602))📄 | ||
| - [Treinar curto, testar longo: atenção com polarizações lineares permite extrapolação de comprimento de entrada](https://arxiv.org/abs/2108.12409)📄 | ||
| - [Primer: Procurando Transformadores Eficientes para Modelagem de Linguagem](https://arxiv.org/abs/2109.08668)📄 | ||
| - [Quão familiar isso parece? Representacional Multilíngue | ||
| Análise de similaridade de incorporações acústicas de palavras](https://arxiv.org/pdf/2109.10179.pdf)🔊 | ||
| - [SimCSE: Aprendizagem contrastiva simples de incorporações de frases](https://arxiv.org/abs/2104.08821#)📄 | ||
| - [Atenção Composicional: Desembaraçando Pesquisa e Recuperação](https://arxiv.org/abs/2110.09419)📄📷 | ||
| - [SPANN: pesquisa aproximada de vizinho mais próximo em escala de bilhões de dólares altamente eficiente](https://arxiv.org/abs/2111.08566) | ||
| - [GPL: Pseudo-rotulagem generativa para adaptação de domínio não supervisionado de recuperação densa](https://arxiv.org/abs/2112.07577) 📄 | ||
| - [Mecanismos de pesquisa generativos: experimentos iniciais](https://computationalcreativity.net/iccc21/wp-content/uploads/2021/09/ICCC_2021_paper_50.pdf) 📷 | ||
| - [Repensando a pesquisa: transformando diletantes em especialistas em domínio](https://dl.acm.org/doi/10.1145/3476415.3476428) -[WhiteningBERT: uma abordagem fácil de incorporação de frases não supervisionadas](https://arxiv.org/abs/2104.01767) | ||
|
|
||
| ### 2022 | ||
|
|
||
| - [Incorporações de texto e código por pré-treinamento contrastivo](https://arxiv.org/abs/2201.10005)📄 | ||
| - [RELIC: Recuperando evidências para reivindicações literárias](https://arxiv.org/abs/2203.10053)📄 | ||
| - [Trans-Encoder: modelagem não supervisionada de pares de frases por meio de destilações próprias e mútuas](https://arxiv.org/abs/2109.13059)📄 | ||
| - [SAMU-XLSR: Representação de fala interlingual em nível de expressão multimodal semanticamente alinhada](https://arxiv.org/abs/2205.08180)🔊 | ||
| - [Uma análise de funções de fusão para recuperação híbrida](https://arxiv.org/abs/2210.11934)📄 | ||
| - [Detecção fora de distribuição com vizinhos mais próximos](https://arxiv.org/abs/2204.06507) | ||
| - [ESB: uma referência para reconhecimento de fala ponta a ponta em vários domínios](https://arxiv.org/abs/2210.13352)🔊 | ||
| - [Analisando incorporações de palavras acústicas a partir de modelos de fala auto-supervisionados pré-treinados](https://arxiv.org/pdf/2210.16043.pdf))🔊 | ||
| - [Repensando com recuperação: inferência fiel do modelo de linguagem grande](https://arxiv.org/abs/2301.00303)📄 | ||
| - [Recuperação densa precisa de tiro zero sem rótulos de relevância](https://arxiv.org/pdf/2212.10496.pdf)📄 | ||
| - [Memória do transformador como índice de pesquisa diferenciável](https://arxiv.org/abs/2202.06991)📄 | ||
|
|
||
| ### 2023 | ||
|
|
||
| - [FINGER: Inferência rápida para pesquisa aproximada de vizinho mais próximo baseada em gráfico](https://dl.acm.org/doi/10.1145/3543507.3583318)📄 | ||
| - [Classificação de texto de “baixos recursos”: um método de classificação sem parâmetros com compressores](https://aclanthology.org/2023.findings-acl.426/)📄 | ||
| - [SparseEmbed: aprendendo representações lexicais esparsas com incorporações contextuais para recuperação](https://dl.acm.org/doi/pdf/10.1145/3539618.3592065) 📄 | ||
|
|
||
| ## Artigos | ||
|
|
||
| - [Combatendo a pesquisa semântica](https://adityamalte.substack.com/p/tackle-semantic-search/) | ||
| - [Pesquisa semântica no Azure Cognitive Search](https://docs.microsoft.com/en-us/azure/search/semantic-search-overview) | ||
| - [Como usamos a pesquisa semântica para tornar nossa pesquisa 10 vezes mais inteligente](https://zilliz.com/blog/How-we-used-semantic-search-to-make-our-search-10-x-smarter/) | ||
| - [Stanford AI Blog: Construindo modelos de PNL escaláveis, explicáveis e adaptativos com recuperação](https://ai.stanford.edu/blog/retrieval-based-NLP/) | ||
| - [Construindo um mecanismo de pesquisa semântico com embeddings de palavras de espaço duplo](https://m.mage.ai/building-a-semantic-search-engine-with-dual-space-word-embeddings-f5a596eb6d90) | ||
| - [Pesquisa de similaridade semântica em escala de bilhões com FAISS+SBERT](https://towardsdatascience.com/billion-scale-semantic-similarity-search-with-faiss-sbert-c845614962e2) | ||
| - [Algumas observações sobre limites de pesquisa de similaridade](https://greglandrum.github.io/rdkit-blog/similarity/reference/2021/05/26/similarity-threshold-observations1.html) | ||
| - [Pesquisa de imagens quase duplicadas usando hash sensível à localidade](https://keras.io/examples/vision/near_dup_search/) | ||
| - [Curso gratuito sobre pesquisa de similaridade vetorial e Faiss](https://link.medium.com/HtFoFKlKvkb) | ||
| - [Guia abrangente para algoritmos aproximados de vizinhos mais próximos](https://link.medium.com/V62Z8drvEkb) | ||
| - [Apresentando o índice híbrido para permitir a pesquisa semântica com reconhecimento de palavras-chave](https://www.pinecone.io/learn/hybrid-search/?utm_medium=email&_hsmi=0&_hsenc=p2ANqtz--zLu9hiyh-y_XTa7FCEpi8JESJKmif5dhpYtAxTWka8PIttaTOGE21LMZlg9EOZyPYpCm6GDvYy57tlGRwH6TjgLCsJg&utm_content=231741722&utm_source=hs_email) | ||
| - [Pesquisa Semântica Argilla](https://docs.argilla.io/en/latest/guides/features/semantic-search.html) | ||
| - [Co: aqui está o modelo de compreensão de texto multilíngue](https://txt.cohere.ai/multilingual/) | ||
| - [Simplifique a pesquisa com modelos de incorporação multilíngue](https://blog.vespa.ai/simplify-search-with-multilingual-embeddings/) | ||
|
|
||
| ## Bibliotecas e ferramentas | ||
|
|
||
| - [fastText](https://fasttext.cc/) | ||
| - [Codificador de frase universal](https://tfhub.dev/google/universal-sentence-encoder/4) | ||
| - [SBERT](https://www.sbert.net/) | ||
| - [ELECTRA](https://github.com/google-research/electra) | ||
| - [LaBSE](https://tfhub.dev/google/LaBSE/2) | ||
| - [LASER](https://github.com/facebookresearch/LASER) | ||
| - [Relevance AI - Plataforma vetorial da experimentação à implantação](https://relevance.ai) | ||
| - [Palheiro](https://github.com/deepset-ai/haystack/) | ||
| - [Jina.AI](https://jina.ai/) | ||
| - [pinha](https://www.pinecone.io/) | ||
| - [Kit de ferramentas SentEval](https://github.com/facebookresearch/SentEval?utm_source=catalyzex.com) | ||
| - [ranx](https://github.com/AmenRa/ranx) | ||
| - [BEIR: Comparativo de RI](https://github.com/UKPLab/beir) | ||
| - [RELiC: recuperando evidências para conjunto de dados de reivindicações literárias](https://relic.cs.umass.edu/) | ||
| - [matchzoo-py](https://github.com/NTMC-Community/MatchZoo-py) | ||
| - [deep_text_matching](https://github.com/wangle1218/deep_text_matching) | ||
| - [Qual quadro?](http://qualframe.com/) | ||
| - [lexica.art](https://lexica.art/) | ||
| - [pesquisa semântica de emoji](https://github.com/lilianweng/emoji-semantic-search) | ||
| - [PySerini](https://github.com/castorini/pyserini) | ||
| - [BERTSerini](https://github.com/rsvp-ai/bertserini) | ||
| - [BERTSimilarity](https://github.com/Brokenwind/BertSimilarity) | ||
| - [milvus](https://www.milvus.io/) | ||
| - [NeuroNLP++](https://plusplus.neuronlp.fruitflybrain.org/) | ||
| - [weaviate](https://github.com/semi-technologies/weaviate) | ||
| - [pesquisa semântica através da wikipedia-com-weaviate](https://github.com/semi-technologies/semantic-search-through-wikipedia-with-weaviate) | ||
| - [pesquisa em linguagem natural do YouTube](https://github.com/haltakov/linguagemnatural-youtube-search) | ||
| - [same.energy](https://www.same.energy/about) | ||
| - [ann benchmarks](http://ann-benchmarks.com/) | ||
| - [scaNN](https://github.com/google-research/google-research/tree/master/scann) | ||
| - [REALM](https://github.com/google-research/linguagem/tree/master/idioma/realm) | ||
| - [irritante](https://github.com/spotify/annoy) | ||
| - [pynndescente](https://github.com/lmcinnes/pynndescente) | ||
| - [nsg](https://github.com/ZJULearning/nsg) | ||
| - [FALCONN](https://github.com/FALCONN-LIB/FALCONN) | ||
| - [redis HNSW](https://github.com/zhao-lang/redis_hnsw) | ||
| - [autofaiss](https://github.com/criteo/autofaiss) | ||
| - [DPR](https://github.com/facebookresearch/DPR) | ||
| - [rank_BM25](https://github.com/dorianbrown/rank_bm25) | ||
| - [nearPy](http://pixelogik.github.io/NearPy/) | ||
| - [vearch](https://github.com/vearch/vearch) | ||
| - [vespa](https://github.com/vespa-engine/vespa) | ||
| - [PyNNDescent](https://github.com/lmcinnes/pynndescent) | ||
| - [pgANN](https://github.com/netrasys/pgANN) | ||
| - [Semelhança do Tensorflow](https://github.com/tensorflow/similarity) | ||
| - [opensemanticsearch.org](https://www.opensemanticsearch.org/) | ||
| - [Pesquisa Semântica GPT3](https://gpt3demo.com/category/semantic-search) | ||
| - [pesquisar](https://github.com/lubianat/searchy) | ||
| - [txtai](https://github.com/neuml/txtai) | ||
| - [HyperTag](https://github.com/Ravn-Tech/HyperTag) | ||
| - [vetorai](https://github.com/vector-ai/vectorai) | ||
| - [embeddinghub](https://github.com/featureform/embeddinghub) | ||
| - [AquilaDb](https://github.com/Aquila-Network/AquilaDB) | ||
| - [STripNet](https://github.com/stephenleo/stripnet) | ||
|
|
||
| ## Conjuntos de dados | ||
|
|
||
| - [Hub de conjunto de dados de similaridade de texto semântico](https://github.com/brmson/dataset-sts) | ||
| - [Desafio de similaridade de imagens de IA do Facebook](https://www.drivendata.org/competitions/79/competition-image-similarity-1-dev/?fbclid=IwAR31vRV0EdxRdrxtPy12neZtBJQ0H9qdLHm8Wl2DjHY09PtQdn1nEEIJVUo) | ||
| - [WIT: conjunto de dados de texto de imagem baseado na Wikipédia](https://github.com/google-research-datasets/wit) | ||
| - [BEIR](https://github.com/beir-cellar/beir) | ||
| - MTEB | ||
|
|
||
| ## Conquistas | ||
|
|
||
| Dê uma olhada no [quadro do projeto](https://github.com/Agrover112/awesome-semantic-search/projects/1) para ver a lista de tarefas para contribuir com qualquer uma das questões em aberto. |