基础搜索
了解搜索模式和资源类型,掌握基础检索技巧。
搜索模式
InfMind 提供三种搜索模式,分别适用于不同的检索场景:
1. 智能检索(Auto)推荐
系统自动判断使用语义理解还是关键词匹配,兼顾准确度和召回率。
适用场景:
- 日常搜索,不确定用哪种模式
- 探索性研究,希望获得全面的结果
- 复杂查询,包含多个概念
示例:"Transformer 模型在机器翻译中的应用研究"
2. 语义理解(Neural)
基于神经网络的语义搜索,理解查询的深层含义,能找到相关但不含查询词的结果。
适用场景:
- 概念性查询,用自然语言描述问题
- 跨领域搜索,需要语义关联
- 不确定准确术语,用通俗语言描述
示例:"如何让 AI 更好地理解人类语言的细微差别?"
语义搜索的优势
语义搜索能理解同义词、相关概念和上下文,例如搜索"深度学习"也能找到包含"神经网络"、"卷积网络"的文章。
3. 关键词匹配(Keyword)
传统的关键词精确匹配,结果必须包含查询中的词汇。
适用场景:
- 查找特定术语或专有名词
- 需要精确匹配,不要相关但不同的结果
- 搜索特定代码、公式或方法名
示例:"BERT" 或 "GPT-4" 或 "Adam optimizer"
资源类型
学术搜索支持 9 种资源类型,您可以根据需求选择:
全部资源(All)
不限制资源类型,搜索所有可用来源。适合初步调研。
学术论文(Research Paper)
学术期刊文章、会议论文、预印本等。结果通常包含:
- 标题、作者、出版信息
- 摘要或引言片段
- DOI 和引用链接
- 发表日期和期刊名称
PDF 文档(PDF)
只返回 PDF 格式的文档,包括论文、报告、手册等。方便需要完整文档的场景。
新闻报道(News)
新闻网站的报道和分析文章,适合:
- 了解最新研究进展
- 查找行业动态
- 获取通俗解读
代码仓库(GitHub)
GitHub 上的开源项目和代码实现。包含:
- 项目描述和 README
- Star 数和活跃度
- 主要编程语言
社交媒体(Tweet)
Twitter 等社交平台的讨论,适合追踪热点话题和专家观点。
个人博客(Personal Site)
研究者的个人网站和技术博客,往往包含深度见解和实践经验。
商业信息(Company)
企业网站、产品文档、技术白皮书等商业资源。
财务报告(Financial Report)
公司财报、行业分析报告等,适合商业和经济研究。
自动优化
"自动优化提示词"(Autoprompt)功能会自动改进您的查询语句,提升搜索效果。
工作原理
系统会分析您的查询,自动:
- 扩展关键词和同义词
- 优化语句结构
- 添加相关上下文
- 调整搜索策略
示例对比
优化前后对比text
原始查询:
"机器学习"
自动优化后:
"machine learning algorithms applications deep learning
neural networks AI artificial intelligence"
结果:从只匹配"机器学习"扩展到相关英文术语,大幅提升召回率何时开启
推荐开启(默认):
- 使用中文查询
- 查询词较短或模糊
- 需要更全面的结果
建议关闭:
- 已经使用精确的专业术语
- 只想要精确匹配的结果
- 自己已经优化好查询语句
结果数量
您可以设置每次搜索返回的结果数量,范围为 1-20 条(默认 10 条)。
如何选择
- 5-10 条:快速浏览,只需要最相关的结果
- 10-15 条:平衡模式,适合大多数场景
- 15-20 条:全面调研,需要更多选择
性能提示
结果数量越多,搜索时间越长。如果追求速度,建议设置为 5-10 条。