第9节课(召回模块)
搜索系统核心架构：从"海选"到"决赛"
一个实用的搜索引擎之所以分两步走，是因为性能 与精度的平衡。如果直接用复杂的 Transformer 去匹配语料库里的几百万条数据，速度会慢到用户无法忍受。
1. 第一阶段：召回模块 (Recall) ------ "海选"
这是系统的第一个漏斗，目标是快。
-
输入： 用户输入的原始问题（Query），例如"机器学习是什么？"。
-
资源库： 底部有一个巨大的离线语料库（存储了成千上万条可能的答案或文档）。
-
动作： 从海量数据中快速"捞"出前 32 个最相关的候选。
-
特点：
-
粗略相关： 计算方式比较简单（比如通过关键词匹配或简单的向量检索），能保证"相关的都在这 32 个里"，但顺序不一定完全准确。
-
高效率： 必须在毫秒级完成海量数据的筛选。
-
2. 中间产物：32 个相关文本（候选集）
-
召回模块输出的是一个子集。
-
形式通常是文本段落，作为接下来深度加工的输入。
3. 第二阶段：排序模块 (Rank) ------ "精选/决赛"
这是系统的第二个漏斗，目标是准。
-
输入： 用户 Query + 召回出来的 32 个候选文本。
-
动作： 对这 32 个文本进行精细打分。
-
原理： 计算 Query 与每一个回答之间深度语义的相似度 。这里通常就会用到你之前学的 Transformer/BERT 结构（利用其强大的自注意力机制捕捉语义细节）。
-
区别于召回：
-
更准确： 它的分数反映了真实的语义匹配程度。
-
计算量大： 因为候选集已经减小到 32 个，模型可以放心地使用复杂的数学运算来保证准确性。
-
4. 最终输出：重排结果 (Re-ranking)
-
系统根据排序模块算出的"更准确的分数"，对这 32 个文本进行重新排序。
-
返回给用户：分数最高（最准确）的内容排在第 ① 位，依次排到第 32 位。
Python源代码文件主要有.py和 .ipynb两种格式,.py是标准格式,可用多种编辑器运行;.ipynb是Jupyter Notebook专用格式,支持多语言交互,可转换为.py文件。