 |
1
10T 资源求分享（狗头
|
 |
Sisyphe42Apr 11, 2023
2
别心疼钱，从头到尾全放 aws
|
 |
3
现在做基于关键字检索的系统已经没有吸引力了，都开始搞语音检索了。可以把 pdf 内的内容做成 embedding 存到向量数据库，然后基于向量相似性做检索。
|
 |
ufo5260987423Apr 11, 2023
4
10T 资源求分享
|
 |
optionalApr 11, 2023 via iPhone
5
简单的倒排索引可以直接用 pg
|
 |
AkkumanApr 11, 2023 via Android
6
10t 全是文字版的 pdf 或 epub 等格式？大部分应该是扫描版吧，文字全提出来我觉得可能也没多少
|
 |
billzhuangApr 11, 2023
7
|
 |
litengyu86Apr 11, 2023
8
pdf 内容是文本还是图片啊？ 如果是图片就不好检索吧。
|
 |
shadoworldApr 11, 2023
9
楼主做好后开源吧
|
 |
ggvmApr 11, 2023
10
使用 es 来做肯定比较方便。 这个没有太大的难度了。
但从成本角度，建议你不要上云，可以考虑自己买 洋垃圾组建本地的集群。 把搜索的前端逻辑放在公有云，实际的数据存储和查询引擎放在 本地集群。 本地集群通过内网穿透的方式对外提供服务。 |
 |
flyingfzApr 11, 2023
11
推荐一个 es 的替代品，MeiliSearch , 一个 Rust 写的搜索引擎。
大概测试了下，效果还是挺不错的。 尝试把 hellogithub.com 的 1-85 期周刊的所有 project 导入到里面，占用存储 82M 。 供参考。 |
 |
runningmanApr 11, 2023
12
@flyingfz 多谢，我去试试这个，之前用了 golang 的 zinc
|
 |
dayudayupaoApr 11, 2023
13
为何不试试 chatpdf ？
|
1
Select Language