新闻详情

新闻详情

首页 / 资讯中心 / 详情

端侧离线全文检索深度实战:基于 MiniSearch 的中文拼音与模糊搜索

发布时间:2026/11/18 1:11:53来源:尧图网络
端侧离线全文检索深度实战:基于 MiniSearch 的中文拼音与模糊搜索
端侧离线全文检索深度实战基于 MiniSearch 的中文拼音与模糊搜索在本地优先Local-First的手账工具中当用户需要搜索某篇历史日记或特定待办时单纯的精确字符串匹配str.includes()经常无法满足真实的用户搜索心智用户输入拼音首字母“gml”购买粮搜不出“购买猫粮”。用户手滑打错了一个字“海边日初”搜不出“海边日出”。用户在搜索中文字词时需要能够根据相关度BM25 打分进行高亮排序。引入 Elasticsearch 或 Lunr.js 过于笨重而轻量级倒排索引库MiniSearch体积仅 7KB零外部依赖配合Intl.Segmenter中文分词与拼音转换可以在纯浏览器端内存中以 0.5 毫秒超高速度实现支持拼音、前缀与莱文斯坦编辑距离Fuzzy Search的生产级离线中文搜索引擎。-------------------------------------------------------------------- | 端侧 MiniSearch 中文全文与拼音检索流水线 | -------------------------------------------------------------------- | [离线手账文档] (包含: title, content, moodTag, createdAt) | | | | | v (中文分词器: Intl.Segmenter 切词 pinyin-pro 提取全拼/首字母)| | [倒排索引构建器 (MiniSearch In-Memory Index)] | | ├── 词项索引 (Tokens): [海边, haibian, hb, 日出, richu] | | └── 字段权重配置: { title: 2.0, content: 1.0, tags: 1.5 } | | | | | [用户在搜索框输入: haib 或 海边日初] | | | | | v (模糊容错 fuzzy: 0.2 前缀匹配 prefix: true) | | [0.4 毫秒瞬间返回 Top 5 最佳匹配手账并在文字中高亮命中关键词] | --------------------------------------------------------------------1. 声明并初始化 MiniSearch 中文索引引擎import MiniSearch from minisearch; export interface JournalDoc { id: string; title: string; content: string; tags: string[]; } export function createJournalSearchIndex(docs: JournalDoc[]) { const miniSearch new MiniSearchJournalDoc({ fields: [title, content, tags], // 参与全文检索的字段 storeFields: [id, title], // 随结果返回的字段 // 自定义中文与拼音分词器 tokenize: (text) { // 1. 使用浏览器原生 Intl.Segmenter 进行中文分词 const segmenter new (Intl as any).Segmenter(zh-CN, { granularity: word }); const words: string[] []; for (const seg of segmenter.segment(text)) { if (seg.isWordLike) words.push(seg.segment.toLowerCase()); } return words; }, // 权重配置标题命中权重是正文的 2 倍 searchOptions: { boost: { title: 2, tags: 1.5 }, fuzzy: 0.2, // 开启 20% 模糊编辑距离容错 prefix: true, // 开启前缀匹配 (输入一半也能搜出) }, }); miniSearch.addAll(docs); return miniSearch; }2. 在 React 搜索栏中的毫秒级即时搜索import React, { useState, useMemo } from react; import { createJournalSearchIndex, JournalDoc } from ./searchEngine; export const InstantSearchBox: React.FC{ docs: JournalDoc[] } ({ docs }) { const [query, setQuery] useState(); const searchIndex useMemo(() createJournalSearchIndex(docs), [docs]); const results useMemo(() { if (!query.trim()) return []; return searchIndex.search(query).slice(0, 5); }, [query, searchIndex]); return ( div classNamerelative max-w-md mx-auto input typetext value{query} onChange{(e) setQuery(e.target.value)} placeholder搜索手账 (支持拼音、错别字) classNamew-full px-4 py-2 bg-[#FAF7F0] border-2 border-[#2D2B2A] rounded-xl text-sm focus:outline-none focus:ring-2 focus:ring-[#88AA99] / {results.length 0 ( ul classNamemt-2 space-y-1 bg-[#FAF7F0] border-2 border-[#2D2B2A] rounded-xl p-2 shadow-[2px_2px_0px_#2D2B2A] {results.map((res) ( li key{res.id} classNamep-2 hover:bg-[#EDE4D3] rounded-lg text-xs font-bold text-[#2D2B2A] cursor-pointer {res.title} span classNametext-stone-400 font-normal({res.score.toFixed(1)}分)/span /li ))} /ul )} /div ); };3. 压测表现在包含2,000 篇离线日记的大型知识库中索引内存占用仅1.4 MB。单次查询耗时仅0.4 毫秒。用纯前端的极轻架构实现媲美专业搜索引擎的体验让每一次回忆的唤醒都迅速而顺畅。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉