知识点 › 系统架构
数据挖掘与检索
Mining & Search
定义
在解析后的数据上做「找人」：UGC 检索（用户/安全员上报的片段）、向量检索（以图搜图、场景相似）、标签组合检索。输出「候选样本池」，供人工标注与样本工厂消费。
关键要点
- 向量检索负责「像不像」，结构化检索负责「是不是」，二者要组合
- 检索结果要带「为什么召回」的解释，否则标注员不信任
- UGC 检索的价值是「真实痛点」，比模型自动挖掘更贴近运营
面试怎么答
讲「结构化 + 向量 + UGC 三路召回」，并说清各自的局限。
相关知识
- 场景检索 — 四类入口：标签/结构化查询、图像相似（以图搜图）、轨迹相似（DTW/形状匹配）、自然语言（「找雨天夜里电动车逆行」）。…
- 检索与索引 — 三类检索：①结构化（SQL/标签/时间/地理）；②向量（图像/点云/轨迹特征相似度）；③混合（先标签过滤再向量排序）。…
- 系统全景（车云两段） — 车端：传感器（视频/CAN/Lidar）→ 编码解码管理系统（信号采集）→ 编码解码系统（trigger 触发录制）→…