terrier-core

开源大规模文档检索引擎平台

terrier-core是一个开源搜索引擎平台，专为大规模文档集合设计。它提供先进的索引和检索功能，支持快速开发和评估大规模检索应用。该平台兼容TREC和CLEF测试集，适用于文本检索研究。最新版本集成Python接口PyTerrier，便于在Jupyter或Colab环境中进行实验。

访问官网

Github

文档

论文

介绍相关项目

clip-retrieval - 构建高效图像和文本检索系统的开源工具

Githubclip-retrieval图像嵌入开源项目文本嵌入机器学习语义搜索

clip-retrieval 提供一个建立语义搜索系统的强大工具，使得用户能够迅速实现图像和文本的嵌入计算及索引构建。该项目能在20小时内处理超过1亿的图文嵌入，支持远程查询、数据过滤以及简洁的前端用户界面，适用于学术研究和商业应用。

vec4ir - 基于词嵌入的开源信息检索框架

GithubVec4IR信息检索开源项目相似度计算评估框架词嵌入

Vec4IR是一个开源的信息检索框架,专注于实际应用场景。它原生支持词嵌入技术,与gensim无缝集成。框架提供内置评估功能,API设计参考sklearn,便于扩展新模型。核心组件包括匹配和相似度评分,还支持查询扩展等高级特性。Vec4IR适合研究人员评估检索模型,也可帮助数据科学家选择最佳方案。框架核心功能包括文档匹配和相似度评分。它还提供查询扩展、伪相关反馈等高级特性,可满足复杂的检索需求。Vec4IR采用模块化设计,便于研究人员快速实现和评估新的检索算法。对于数据科学家,该框架也是比较不同检索模型性能的理想工具。

deep-seek - 大规模LLM驱动互联网检索引擎的实验性架构

DeepSeekGithub互联网安装开源项目检索引擎研究代理

该项目引入了一种基于LLM的大规模互联网检索引擎的实验性架构，与传统的答案引擎不同，它旨在处理大量来源，收集综合实体列表。项目展示了检索代理通过计划、搜索、提取和丰富等步骤生成包含信任评分的详细表格。该架构的亮点在于其高效的令牌使用和广泛的数据处理能力，适用于需要深入检索和详细信息的场景。用户可以访问示例结果，深入了解其架构特点和潜在改进空间。

manticoresearch - 开源高性能全文搜索和数据库解决方案

GithubManticore Search全文搜索开源开源项目性能优化数据库

Manticore Search是一款开源的高性能搜索数据库，可作为Elasticsearch的替代方案。它采用多线程架构，支持强大的全文搜索、行列式存储、自动二级索引和基于成本的查询优化。Manticore兼容SQL语法和MySQL协议，支持多种编程语言，并提供实时插入、复制和负载均衡功能。该系统适用于不同规模的数据集，并提供交互式学习资源，是一个高效可靠的搜索解决方案。

pisa - 高效率大规模文本搜索引擎

GithubPISA信息检索倒排索引开源项目搜索引擎文本检索

PISA是一款开源的高性能文本搜索引擎，专门面向大规模文档集合。该引擎使用C++开发，具备解析、索引和分片等功能，并实现了多种索引压缩方法和查询处理算法。PISA支持构建倒排索引、执行布尔查询和文档排序，适用于信息检索研究及通用搜索系统。它可以处理包含5000万网页文档的大型语料库，并在毫秒级别内返回搜索结果，为研究人员提供了高效的实验平台。

Splade_PP_en_v1 - SPLADE++稀疏文档检索模型的工业级优化实现

GithubHuggingfaceSPLADE++关键词扩展开源项目文档检索检索效率模型稀疏表示

基于SPLADE++的文档检索模型优化实现，通过FLOPS和令牌预算的调整实现高效检索。模型以bert-base-uncased为基础，在47.27ms的检索延迟下达到37.22的MRR@10性能，适合工业级搜索应用部署。

tantivy - Rust编写的快速全文搜索引擎库

GithubRustTantivy全文搜索引擎开源开源项目性能

Tantivy是一个Rust编写的全文搜索引擎库,提供类似Apache Lucene的功能。它支持全文搜索、多语言分词、BM25评分和自然语言查询。Tantivy以快速性能和低启动时间见长,适合构建各类搜索应用。该库具备增量索引、多线程处理、压缩存储等特性,为开发者提供了构建搜索引擎的灵活选择。

metasearch - 高效多源并行搜索工具实现信息检索效率提升

DockerGithubMetasearch开源项目搜索工具数据源

Metasearch是一个开源的多源并行搜索工具，支持同时检索超过25种数据源，包括AWS、GitHub、Google Drive、Confluence、Jira和Slack等。此工具能显著提高信息检索效率，适合企业内部资源管理。Metasearch支持Docker和Git部署，设置简便，并欢迎社区贡献新的数据源支持。它为企业提供了一个统一的平台，用于快速搜索和访问分散在各种工具和平台上的信息。作为一个轻量级工具，Metasearch仅由约3000行TypeScript代码构成，具有出色的扩展性。

typesense - 快速、容错且易用的开源搜索引擎

GithubTypesense全文检索开源软件开源项目搜索引擎数据库

Typesense是一款高性能、容错的开源搜索引擎，专注于提供卓越的搜索体验。它具有简单易用的API、智能默认配置和丰富功能，包括拼写错误容忍、实时搜索、地理搜索和向量搜索等。Typesense部署简便、易于扩展，支持多种编程语言，适合各种规模的应用。作为Algolia和ElasticSearch的替代方案，Typesense为开发者提供了快速实现高质量搜索功能的选择。

datatrove - 用于大规模文本数据处理和去重的开源Python库

DataTroveGithub大规模开源项目数据处理文本去重管道

DataTrove是一个开源Python库，专门用于处理、过滤和去重大规模文本数据。它提供预构建的常用处理模块和自定义功能支持。该库的处理流程可在本地或Slurm集群上运行，具有低内存消耗和多步骤设计，适合处理大型语言模型训练数据等大规模工作负载。DataTrove支持多种文件系统，为数据处理提供灵活解决方案。

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com