قراءات عربية في العلوم والتقنية والطبيعة والثقافة، تبدأ بسؤال وتترك لك مساحة للاستكشاف.
2302 مقال
البحث بعبارة مقتبسة يضيف شرط تجاور الكلمات وترتيبها في الصيغة التي يدعمها محرك البحث. في محلل Azure AI Search البسيط، تحصر علامتا الاقتباس العبارة، لكن التحليل اللغوي يبقى مطبقا؛ ووجود جميع الكلمات وحده لا يفرض ترتيب العبارة. [1] نوضح الفرق ببطاقات أصيلة، مع بقاء طريقة كتابة الاستعلام مرتبطة بالخدمة وإعدادها.
تنوع المقاطع المسترجعة يهدف إلى تقليل تكرار المحتوى المختار مع مراعاة صلته بالسؤال. تصف وثائق LangChain اختيار MMR بأنه يوازن تشابه المقاطع مع الاستعلام والتنوع بينها، وتفصل عدد المرشحين fetch_k عن عدد النتائج k. [1] نشرح غرض الاختيار بمثال من إعدادنا، دون حساب درجات أو الادعاء بتنفيذ الخوارزمية.
الأرقام والتواريخ في الاسترجاع تحتاج إلى فحص شروطها، إضافة إلى البحث عن نص قريب من السؤال. يدعم Azure AI Search مقارنات نطاق على حقول ذات أنواع متوافقة؛ ويختلف «أقل من» عن «أقل من أو يساوي». [1] نراجع حدود مدة وتاريخ في بطاقات خيالية، دون الادعاء أن ترتيب التشابه وحده نفذ المقارنة أو أنشأنا استعلاما فعليا.
تطبيع العربية للبحث يغير بعض صور الحروف لتقريب المطابقة وفقا لقواعد معلنة. يبين كود ArabicNormalizer في Apache Lucene تحويل همزة الألف إلى ألف مجردة، والتاء المربوطة إلى هاء، وإزالة الحركات والتطويل ضمن قواعده. [1] هذه معالجة لمصطلح البحث في مكون محدد؛ لا تجعل الشكل الناتج الكتابة الصحيحة الوحيدة، ولا تثبت تطابق هوية الأسماء.
البحث التقريبي في الكلمات يساعد على البحث رغم بعض الأخطاء الكتابية، لكنه يقارن تركيب المصطلحات ولا يثبت أنها تعني الشيء نفسه. تصف وثائق Azure AI Search توسعا يعتمد على مسافة التحرير، وقد يشمل كلمات مختلفة المعنى. [1] سنفحص حروفا عربية يدويا لفهم حدود الفكرة، دون تشغيل محرك أو إعلان نتيجة بحث فعلية.
الأسماء البديلة بين العربية والإنجليزية قد تساعد المساعد في الوصول إلى السجل المقصود دون إنشاء سجل لكل كتابة. توضح صفحة مساعدة Wikidata أن البدائل أسماء يمكن البحث بها، وترتبط بلغات محددة، وقد تشترك سجلات في اسم بديل. الصفحة تعرض نفسها كإرشاد مقترح. [1] نطبق الفكرة في دليل تخيلي بأسماء أكدها صاحبه، دون تعديل Wikidata.
أعداد فئات البحث تصف توزيع مجموعة النتائج، لكنها لا تجمع دائما إلى عدد الوثائق. يوضح Azure AI Search أن الفئات تتبع الاستعلام الحالي، وأن الوثيقة نفسها قد تظهر في أكثر من فئة. [1] نعد أربع بطاقات يدويا لنفهم ذلك قبل أن يحول المساعد الأرقام إلى وصف للمجموعة.
اقتطاع مدخل إعادة الترتيب قد يترك جزءا من الفقرة خارج التقييم، إذا كان مسار الأداة معدا للاقتطاع. يصف Cross-Encoder تقييم أزواج نصوص مثل السؤال والمرشح. [2] وتشرح وثيقة Hugging Face خيارات تقصير زوج المدخلات؛ وجود مستند محفوظ كاملا لا يثبت دخوله كاملا إلى هذه المرحلة. [1]
ترميز نصوص البحث مسبقا ممكن في المسار الذي ينتج تمثيلا مستقلا لكل نص. تشرح ورقة Sentence-BERT تمثيلات يمكن مقارنتها لاحقا، مقابل تمرير النصين معا في تقييم الزوج. [1] لذلك نميز بين تجهيز الفقرات وبين مقارنتها بسؤال جديد، دون تعميم نتائج زمن الورقة على كل خدمة.
تمييز كلمات نتائج البحث يجعل موضع المطابقة أوضح بصريا. تصف وثائق Azure AI Search تنسيق المصطلحات المطابقة، مع دعم محدود للتمييز في بعض الاستعلامات الموسعة مثل البحث التقريبي. [1] لا تعني الكلمة الملونة أن المقتطف يجيب عن سؤال القارئ أو يعرض جميع شروط الإعلان.
وزن حقول البحث يتيح تفضيل المطابقة في حقل على مطابقة مشابهة في حقل آخر. تصف وثائق Azure AI Search أوزانا موجبة تضرب مساهمة الحقل النصي القابل للبحث؛ هذه الملفات تطبق على حقول غير متجهية. [1] نفحص أثر ذلك في عنوان تعليمات، دون اختيار وزن مثالي أو تشغيل فهرس.
النصوص المتشابهة دلاليا قد تظهر في قائمة أزواج تحتاج إلى قراءة. تشرح وثائق Sentence Transformers أن paraphrase_mining يعيد أزواج نصوص عالية التشابه، مع درجة ومعرفي النصين. [1] لا تثبت هذه القائمة وحدها أن إعلانين نسخة واحدة أو أن حذف أحدهما يحفظ كل معلومات الدليل.
البحث عن الصور بالنص يسترجع صورا موجودة في مجموعة، بدلا من رسم صورة جديدة كل مرة. يشرح دليل Milvus مسارا يحول الصور والوصف النصي إلى تمثيلات مشتركة باستخدام CLIP، ثم يقارنها بالتشابه. [1] نوضح الفرق بمكتبة صور خيالية، دون تشغيل النموذج أو تعميم جودة العربية في نسخته.
تصنيف الصور بأسماء جديدة يسمح باختبار أوصاف لفئات دون تدريب إضافي خاص بالقائمة الجديدة، في نموذج يدعم المهمة. يصف Hugging Face نماذج تعلمت تمثيلات رؤية ولغة من صور وأوصاف، وتستقبل الصورة مع أسماء مرشحة. [1] نميز اختيار الأعلى ضمن قائمة من التحقق من ماهية الشيء الظاهر.
الطابع الزمني في تفريغ الصوت يربط النص بموضع مقترح داخل التسجيل. توضح وثيقة Whisper في Hugging Face أن بيانات المقاطع قد تشمل بداية المقطع ونهايته، وتعرض خيارا مختلفا للطوابع على مستوى الرموز. [1] نوضح كيف تستخدم هذا الموضع للمراجعة دون جعله شهادة على توقيت كل كلمة أو هوية قائلها.
أخذ عينات من إطارات الفيديو يختار صورا من المقطع بدلا من عرض كل لحظة للمعالجة. يوضح دليل Hugging Face في فرع main أن نماذج الفيديو والنص قد تستقبل إطارات مختارة، وأن مهمة الدليل لا تتعامل مع الصوت. [1] نوضح حدود الاستنتاج من ثلاث لقطات افتراضية دون تحليل فيديو حقيقي.
إدخال الصورة مع السؤال يختلف عن كتابة اسم ملف في محادثة نصية. يشرح Hugging Face نماذج رؤية ولغة تستقبل صورة ونصا مفتوحا، ويعرض إعدادا يمرر محتوى الصورة والسؤال للمعالجة. [1] نوضح الفرق في مدخل المهمة قبل الحكم على الجواب، دون افتراض أن كل واجهة تستقبل الصور أو تفهمها بدقة.
وصف الصورة وسؤال عنها مهمتان متقاربتان في المدخل المرئي، لكنهما لا يطلبان النتيجة نفسها. يعرف Hugging Face وصف الصورة بأنه توقع عبارة تصفها، [1] ويعرف السؤال البصري بأنه جواب يعتمد على الصورة والسؤال. [2] نستخدم مشهدا توضيحيا مولدا لفحص هذا الفرق، دون تجربة نموذج أو إعلان دقته.
