云創(chuàng)數(shù)據(jù)（835305）發(fā)布cGPT S1000自然語言搜索一體機

上知天文、下知地理，60天月活破1億，ChatGPT徹底火出圈。作為大語言模型，ChatGPT能夠理解關鍵詞以及上下文，自動回答用戶提出的問題，實現(xiàn)與用戶的智能交互。

ChatGPT很強，但是本地部署成本巨大，一般企業(yè)難以承受。另外，聯(lián)網(wǎng)調(diào)用接口對于有特定保密要求的企業(yè)而言，數(shù)據(jù)安全難以保障。

然而，在實際應用中，我們常常需要對內(nèi)部數(shù)據(jù)進行安全快速的搜索。比如對于企業(yè)內(nèi)部積存的大量檔案、資料、文書等形式的文檔，如果使用傳統(tǒng)的關鍵詞匹配搜索某個特定文件，需要準確輸入文件名，一旦忘記文件名，搜索猶如大海撈針。

針對這一問題，cGPT S1000自然語言搜索一體機應運而生。該一體機在自然語言處理技術的加持下，基于對語句本身的理解，根據(jù)計算后的關聯(lián)相似度進行排序，可達0.1秒響應，快速篩選出接近語句語義的內(nèi)容。

比如，在專利搜索時，傳統(tǒng)算法只能通過關鍵詞搜索專利，無法查找包含相近含義的所有專利，現(xiàn)在在cGPT S1000自然語言搜索一體機中導入專利數(shù)據(jù)，經(jīng)過一體機自動預處理后，即可在0.1秒內(nèi)找到所有相關專利。

之所以能夠達到這樣的效果，是因為cGPT S1000自然語言搜索一體機通過人工智能理解了自然語言相互之間的關系。正如以下視頻所展現(xiàn)的，這些詞語、句子之間相互關聯(lián)，它們或許是表達方式不同但是含義相同的語句，或許是同一學科領域內(nèi)的相似概念。通過解讀這些關系，人工智能能夠真正理解自然語言的含義以及人類的意圖，繼而做出相應反饋。

對于資料紛繁復雜的各大企事業(yè)單位而言，將所有信息和資料放進cGPT S1000自然語言搜索一體機并通過一體機完成自動預處理，相當于構建了一個高保密的內(nèi)部資源庫，內(nèi)部員工可以在庫中快速查找所需信息。

1產(chǎn)品介紹

cGPT S1000自然語言搜索一體機是云創(chuàng)數(shù)據(jù)（835305）針對大規(guī)模自然語言處理應用場景，自主研發(fā)的高速向量計算搜索一體機。該一體機采用并行計算架構，融合高密度混合服務硬件，為用戶提供軟硬件一體化的高性能自然語言搜索解決方案。

cGPT S1000自然語言搜索一體機支持TXT、Word、PDF、CSV等多種格式的數(shù)據(jù)源，支持對采集的數(shù)據(jù)源進行文本提取和數(shù)據(jù)清洗，采用分布式集群架構，智能化自動構建搜索資料庫。用戶只需將海量的業(yè)務文件、圖書論文文獻、文本數(shù)據(jù)等導入該一體機，即可建立個性化的定制搜索引擎。

（運行原理）

cGPT S1000自然語言搜索一體機支持基于文本語義理解技術，具備更加準確的檢索能力，能夠將輸入查詢的文本與一體機中的文本進行快速比對，并將搜索到與輸入文本語義相近的多組結果根據(jù)相似度排序返回輸出。針對千萬級甚至上億量級的文本數(shù)據(jù)庫，該一體機依舊可以達到0.1秒級的返回結果速率。

總體架構

cGPT S1000自然語言搜索一體機基于大數(shù)據(jù)分布式實時計算框架，結合定制化高密度計算硬件，實現(xiàn)大規(guī)模自然語言處理任務的分發(fā)與計算結果匯聚，保證計算任務執(zhí)行的高效和穩(wěn)定。基于特征向量計算算法以及分布式集群處理資源調(diào)度技術，該一體機實現(xiàn)了海量特征庫條件下1：N對比任務的高效分解與并行處理，可將單個任務響應效率提升到0.1秒級。

（總體架構）

技術優(yōu)勢

①自然語言語義理解

自然語言搜索一體機通過理解文本語義，能夠識別不同表達方式的真實含義，進行語義相似度計算并排序，從而大幅度提高輸出結果的準確性。

②0.1秒級響應搜索

搜索方式基于語義理解而非傳統(tǒng)的關鍵詞匹配搜索，涵蓋詞、短語、整句等不同粒度，結果返回速率可達0.1秒級。

③支持動態(tài)擴展

對于不同數(shù)據(jù)規(guī)模需求的用戶，自然語言搜索一體機提供了彈性的性能資源配置模式，可以有效地控制系統(tǒng)建設成本，靈活滿足千萬甚至上億量級業(yè)務規(guī)模的性能需求和使用場景。

④支持私有化部署

提供API接口，搜索應用可部署至本地服務器或者用戶私有云環(huán)境，與用戶業(yè)務打通融合的同時，實現(xiàn)內(nèi)外網(wǎng)的物理隔絕，保障數(shù)據(jù)的私密性。

技術規(guī)格

2應用場景

cGPT S1000自然語言搜索一體機基于語義理解技術，能夠快速查找需要的內(nèi)容，可廣泛應用于資料查詢、專利搜索、電子病歷檢索、法律文獻檢索、學術文獻檢索、論文查重等多種場景。

①資料查詢

用戶內(nèi)部積存大量的檔案、資料、文書等各種形式的文檔，檢索資料不僅繁瑣且重復性高，耗費大量時間和精力。通過自然語言處理技術，只需簡短的一句話或幾個關鍵詞，自然語言搜索一體機即可完成資料搜索，命中率和準確率都大幅提高。

②專利搜索

通過關鍵詞匹配不一定能夠找出某一主題的所有相關專利，而借助自然語言搜索一體機，可以準確找到已經(jīng)成功申請的與該主題相關的所有專利信息，包括描述、編號等，從而在專利申請時避免重復申請等問題，大大節(jié)省時間和費用。

③電子病歷檢索

基于自然語言搜索一體機，在自然語言處理技術的助力下，用戶可建設面向特定醫(yī)療領域的知識服務平臺，以此更好地提供電子病例檢索、處方查詢、醫(yī)療知識問答等醫(yī)療服務。

④法律文獻搜索

基于自然語言搜索一體機，用戶可對案件信息進行查詢和梳理，比如針對某一案件，律師通過輸入描述，即可在資料庫中找出相似案例情況以及司法解釋，有助于案件分析、訴訟準備等，司法人員也可借助該一體機節(jié)省資料整理、分析的時間。

⑤學術文獻檢索

查閱論文時，根據(jù)關鍵詞匹配，可以檢索出不少結果，但主要是包含關鍵詞的內(nèi)容，不一定是用戶真正需要查找的，而借助自然語言搜索一體機，在準確表達查找內(nèi)容的情況下，只需一句簡單描述，即可檢索到真正為用戶所需的論文。

⑥論文查重

在論文查重時，針對論文可能存在的不同語種相互翻譯導致的抄襲，或者以替換詞語、改變表達的方式規(guī)避查重等問題，借助自然語言搜索一體機，可對其進行準確檢測，以語義為準，及時發(fā)現(xiàn)論文寫作時的抄襲、剽竊等亂象。