Arch Meetup#8 杭州站 - 向量检索在丁香园搜索场景的应用

1 . 向量检索在丁香园搜索场景的应用 丁香园NLP 杨比特 DXY Company Copyright Confidential 

2 . 目录 • 业务场景概况，文本解析困境思考 • 向量检索的常见讨论 • 工业落地的尝试 DXY Company Copyright Confidential 2 

3 . 丁香园：让健康更多，让生活更好 中国领先的医疗领域连接者以及数字化领域专业服务提供商 成立 20 年以来，丁香园打造了国内领先的医疗学术论坛及一系列移动产品，并全资筹建了线下诊所。通过专业权威的内容分享平台、丰 富全面的数据积累、标准化高质量的医疗服务，丁香园连接医院、医生、科研人士、患者、生物医药企业和保险。 01 使命 • 举专业力量，做靠谱产品 愿景 02 • 健康更多，生活更好 03 价值观 • 正直、开放、投入、创新 DXY Company Copyright Confidential 3 

4 . ToD 与 ToC 双核心驱动 学术互动 大众/健康 实验问题交流 经验分享 丁香医生：国内最大的医学网站丁香园旗下的科普资讯平台， D 产品采购 为大众提供可信赖的医疗健康信息和服务。 服务咨询等科研需求 丁香妈妈：丁香园旗下专业的母婴知识服务品牌，致力于为- 1~3岁阶段的母婴人群提供知识服务 R&D 生物、临床科研 丁香诊所：采用线上、线下相结合的数字化运营模式，为儿 童、成人和老人提供常见病、多发病的诊疗及慢病管理服务 Doctor 临床医生 丁香家：丁香家是丁香医生旗下健康商店，在丁香科学审核 C 临床学习 体系基础上，为中国消费者提供基于人群和健康场景的商品 病历探讨 问题互动 1000 解决方案 文献求助 求职等职业需求 DXY Company Copyright Confidential 4 

5 . 搜索场景的支持 DXY Company Copyright Confidential 5 

6 . 搜索场景的支持 医生UGC讨论 专业疾病指南 专业药物资讯 PGC科普文章 大众UGC咨询 健康商城 DXY Company Copyright Confidential 6 

7 . 垂直领域下的思考——话题性 新冠疫苗最新进展 术后血肿 牙齿健康 肺炎 2期试验 血肿 碎石术 牙周炎 牙黄 柳叶刀 新冠疫情 肾结石 腹腔镜 蛀牙 DXY Company Copyright Confidential 7 

8 . 垂直领域下的思考——医疗话题本身的复杂、严肃性 简单的实体词抽取 腹胀 腹泻 轻度贫血 胸腔积液 肝囊肿 肠结石 肠积气 水电解紊乱 理想的文本组织 消化内科疾病 肠结核 肠梗阻 DXY Company Copyright Confidential 8 

9 . 垂直领域下的思考——普通用户与专业医疗从业者的知识差距 垂直领域下的思考 痘痘 寻常痤疮 痘痕 毛囊口角化异常 闭口 痤疮丙酸杆菌感染 痘印 DXY Company DXY Company Copyright Copyright Confidential Confidential 98 

10 . NLP技术布局——知识图谱构建 DXY Company Copyright Confidential 10 

11 . NLP技术布局——短文本理解 ./01#$ !"#$ %&'( )*+,-'( 0123 45#$ 6789:;< 麻黄碱 骨骼肌收缩 麻黄碱 的适应症 麻黄碱 提取 病例讨论 诊疗指南 药品说明书 含 麻黄碱 的药物 DXY Company Copyright Confidential 11 

12 . 短文本理解蓝图 实体链接 语义理解 候选实体召 Mention提取 Mention提取 原子词召回 回与重排 语义匹配 Query Conceptualization Query 联想 … 命名实体识别 实体词预测 原子词预测 结构化数据 知识图谱 名词短语抽取 实体 关系 属性 上下位 同义词 … 抽取 抽取 抽取 预测 挖掘 语义组合 短语提取 业务数据 文本纠错 标签 摘要 用户行为 Concept 挖掘 生成 日志挖掘 … 生成 纠错位置预测 语言模型 候选词策略 DXY Company Copyright Confidential 12 

13 . Part I 向量检索的常见套路 DXY Company Copyright Confidential 13 

14 . 语义匹配 DXY Company Copyright Confidential 14 

15 . 语义匹配 基于表示模型 基于交互模型 DXY Company Copyright Confidential 15 

16 . 语义匹配 DXY Company Copyright Confidential 16 

17 . Knowledge Embedding 医学知识 NLP模型 离散值 连续值 DXY Company Copyright Confidential 17 

18 . Knowledge Embedding 《Knowledge Graph Embedding-A Survey of Approaches and Applications》 DXY Company Copyright Confidential 18 

19 . Graph Embedding DeepWalk LINE Node2Vec DXY Company Copyright Confidential 19 

20 . Graph Embedding 《Aligning Knowledge Base and Document Embedding Models Using Regularized Multi-Task Learning》 DXY Company Copyright Confidential 20 

21 . Graph Embedding 《Billion-scale Commodity Embedding for E-commerce Recommendation in Alibaba》 DXY Company Copyright Confidential 21 

22 . Part II 丁香园搜索的落地应用 DXY Company Copyright Confidential 22 

23 . 丁香园搜索应用 DXY Company Copyright Confidential 23 

24 . 丁香园搜索应用 DXY Company Copyright Confidential 24 

25 . 丁香园搜索应用 治疗乳腺癌的化疗药有哪些？ 质检模板 模板抽取concept Concept 模板: Click Log $disease + $drug 治疗$disease … 标题： 乳腺癌常用的化疗药有哪些？ 治疗乳腺癌的药有什么？ Bootstrapping 如何治疗乳腺癌 … 生成模板 Concept: 乳腺癌化疗药 种子模板 / N-gram 治疗乳腺癌的药 治疗乳腺癌 分类器质检 … 《A User-Centered Concept Mining System for Query and Document Understanding at Tencent》 DXY Company Copyright Confidential 25 

26 . 丁香园搜索应用 实体链接 文章检索 社区讨论检索 职位推荐 商品推荐 … DXY Company Copyright Confidential 26 

27 . 关注我们 丁香园大数据 个人微信 DXY Company Copyright Confidential 27 

28 . 扫码填写问卷， 欢迎关注我们的社交媒体账号 获取折叠风扇 & Milvus v2.0 限定版T恤！ 微信公众号 微信视频号 （Milvus相关最新文章） （Milvus最新视频、直播） DXY Company Copyright Confidential 28 

29 . Thanks DXY Company Copyright Confidential 29