织物是由ML，Vectors和GraphQL提供动力的开源搜索引擎

Bob Van Luijt＆＃39;技术的职业生涯于15岁开始，建立网站，帮助人们在线销售牙刷。没有多少15岁的孩子那样做。显然，这对van Luijt足够一开始就开始达到技术趋势的交汇。

Van Luijt继续研究艺术，但无论如何，全职工作全职。 2015年，当谷歌介绍了其randBrain算法时，搜索结果的质量跳起来。这是一个流域时刻，因为它引入了搜索机器学习。一些人注意到，包括van luijt，他看到了商机并决定将其带到群众。

Google＆＃39; S Rankbrain机器学习改善了用户的搜索结果吗？人们在宣布的时候想知道。作为ZDNet＆＃39;他自己的eileen brown指出：是的，并且由Rankbrain提供的结果将变得更好，因为它学会了我们想要提出的东西。

对于Van Luijt，这是一个＆＃34; aha＆＃34;片刻。就像其他人在技术上工作一样，他必须处理许多非结构化数据。在他的话语中，相关数据是一个问题。即使是结构化数据，数据集成也很难做到。当您有不同来源的非结构化数据时，它变得非常具有挑战性。

Van Luijt在Rankbrain上阅读并计算它使用字矢量化来推断查询中的关系，然后尝试呈现结果。矢量是机器学习模式如何理解世界的方式。例如，人们看到图像，机器学习模型以向量的形式看到图像表示。

向量是一个很长的数字列表，可以被认为是几何空间中的坐标。三维载体 - 即表格的载体（x，y，z） - 对应于人类熟悉的空间。但是，多维向量也存在，这使事情复杂化：

＆＃34;有许多尺寸，但要绘制一张精神照片，你可以在那里说出三个维度。现在问题是，它＆＃39;很好，你可以使用矢量来识别照片中的模式，然后说，是的，它，它＆＃39;猫，或者没有，它不是猫。但那么，如果你想这样做是一个十万张照片或百万张照片怎么办？然后你需要一个不同的解决方案，你需要有一种方法来看待空间并找到类似的东西。＆＃34;

这是谷歌用rancebrain进行了文本。 van luijt很兴趣。他开始尝试使用自然语言处理（NLP）模型。他甚至必须直接问谷歌和＃39;他们是否会建立一个B2B搜索引擎解决方案？自他们的回复是＆＃34;没有，＆＃34;他举行了编织。

NLP机器学习模型输出矢量：它们将单个单词放在矢量空间中。编织背后的想法是：如果我们参加文件，那么是什么 - 电子邮件，一个产品，一个帖子，什么 - 看看描述它的所有单词并计算那些单词的向量。

这将是文档位于向量空间中的位置。然后，如果你问，例如：与时尚最有关的出版物？搜索引擎应查看矢量空间，并找到像时尚等出版物，因为靠近＆＃34;时尚＆＃34;在这个空间。

这是在编织的核心。此外，织物中的数据以图形格式存储。当图表中的节点位于找到时，用户可以进一步遍历并在图中找到其他节点。

它并不是它不是它不能在传统数据库中存储向量。它是，人们这样做。但经过一定的一点，它变得不切实际。除了性能，复杂性也是一个障碍。例如，在大多数情况下，在大多数情况下，人们没有刺激矢量化如何发生的细节。

编织具有许多内置的矢量仪。有些是通用目的，有些是针对网络安全或医疗保健等特定领域对的。模块化结构使人们也能够插入自己的矢量化器。

编织也适用于流行的机器学习框架，如Pytorch或Tensorflow。但是，有一个捕获：此时，如果您培训模型，或者使用由编织提供的模型，you and＃39;重新陷入困境。

如果模型以影响其生成向量的方式的方式更改，则编织将必须重新索引其数据以工作。这目前尚未得到支持。 Van Luijt提到了当前用例中不需要，但他们正在研究支持这一点的方法。

作为一个启动，半技术，Van Luijt公司在编译时，正在展望牵引市场。目前，零售和FMCG行业对他们运作良好，Metro AG是一个突出的用例。

地铁的挑战是如何在市场上找到新的机会。通过将数据与他们的CRM和开放街道地图相结合，帮助他们帮助他们帮助他们。如果存在业务存在的位置无法与CRM中的客户相关联，则表示机会。

跨行业，van Luijt指出，问题在根级别总是相同的：非结构化数据需要与内部结构的东西有关。图表是众所周知的，以帮助利用杠杆连接。但事实证明，即使无法找到连接可以生成业务价值，因为地铁使用情况举例说明。

Van Luijt是一种坚定的信徒，用于利用连接的图表 - 或缺乏。堆叠数据仓库和数据湖泊和Lakehouses中的数据，并且有价值。但是，从数据中的连接中获取价值，它＆＃39;他指出了最有意义的图形模型。

然后，问题变成了：我们将如何让人们访问这一点？给予人们很多能力，所以他们可以做到和＃34;巨大的东西，＆＃34; Van Luijt说，像Sparql这样的图形查询语言可能有意义。

但是如果你想让人们才能访问图形，所以他们有一个非常短的学习曲线，GraphQL变得有趣，他继续添加：＆＃34;如果他们看到sparql，那么大多数开发人员都是不熟悉的，如果他们看到sparql，他们开始出汗，他们感到紧张。如果他们看到graphql，他们就像，＆＃39;嘿，我明白了这一点。这是有道理的。＆＃39;＆＃34;

在那里＆＃39;它的另一个达到graphql：周围的社区。有许多图书馆可用，因为编织使用GraphQL，也可以使用这些库。 Van Luijt描述了使用GraphQL作为用户体验（UX）决定的决定 - 要访问API的UX应该是平滑的。

编织也支持模式的概念。当实例开始运行时，API端点可用，用户需要执行的第一件事是创建类属性架构。它可以像它需要的那样简单或复杂，也可以导入现有模式。

当涉及到涉及向量的局限性以及使用开源时，Van Luijt具有非常务实的看法。在他之前引用加里马斯库斯和雷莫尼，＆＃34;你可以＆＃39; t cram一个整个$＆amp的含义;＃*句子成一个$！＃＆amp;矢量＆＃34;

这是真的，但如果你可以获得使用载体的实际结果，这是否重要？不多，争论范罗伯特。问题是试图解决的问题正在寻找东西。因此，如果相似性搜索在使用载体的情况下找到有好处的工作，那就是＆＃39;足够好。他继续添加的想法，是将基于矢量化的远程搜索从数据科学问题转变为工程问题。

在涉及开源时采取了相同的务实方法。人们选择使用开源的原因很多。为了编织，开源或相当开放的核心，被选为透明客户和用户的机制。

也许令人惊讶的是，Van Luijt指出的编译不一定正在寻找贡献者。很高兴，但是开源的主要目的是能够审核。当客户要求他们的专家审计编织时，开源是这样的。

编织可以作为软件服务和本地提供。反击传统智慧，似乎大多数卵利用户都对内部部署感兴趣。

然而，在实践中，这一通常意味着他们自己的项目在一个主要的云提供商中，从编织团队提供服务。 作为团队和产品展示，可以调用朝向自助服务模型的转变。