Semantisk søgning
Søgning, der finder og rangerer resultater efter indholdsmæssig nærhed til forespørgslen.
Hvordan findes beslægtet indhold?
Semantisk søgning finder og rangerer resultater efter indholdsmæssig nærhed til forespørgslen. I vektorbaserede metoder repræsenteres forespørgsel og kildetekster som embeddings, så lignende repræsentationer kan findes. Om korte spørgsmål passer til længere afsnit, afhænger også af modellen og forberedelsen af indholdet. Søgningen giver i første omgang kun kandidater fra en samling. At danne et svar ud fra dem er et yderligere behandlingstrin.
I en fiktiv vidensportal spørger nogen, hvorfor en maskine kører uroligt; en vejledning bruger formuleringen vibrationer i drevet. En egnet semantisk søgning kunne finde afsnittet trods forskellig ordlyd. Derefter skal korrekt maskine, gyldig dokumentversion og tilladt adgang stadig kontrolleres. Nærhed til et afsnit beviser ikke en bestemt fejlårsag. En planlagt vurdering bruger konkrete søgespørgsmål og fagligt udpegede relevante afsnit til at undersøge manglende og uegnede resultater.
Kilder
Relaterede begreber
- EmbeddingEt embedding repræsenterer indhold som en talvektor. Model og sammenligningsmetode afgør, hvilke ligheder der bliver synlige.
- VektordatabaseEn vektordatabase gemmer og søger i vektorrepræsentationer. Et lignende resultat er ikke nødvendigvis en gyldig og tilladt svarkilde.
- Retrieval-augmented generationRAG forbinder informationssøgning med et genereret svar. Kildeadgang erstatter ikke et kvalitets- og rettighedsdesign.
- GroundingGrounding knytter et AI-svar til et kontrollerbart grundlag. Et kildelink viser ikke alene, at hvert udsagn er underbygget.
- Hybrid søgningKombination af ordbaseret søgning og vektorsøgning i en fælles resultatliste.
- Opdeling af dokumenterAt dele et dokument i mindre sammenhængende afsnit til søgning og modelkontekst.
Dit projekt med ASES
Beskriv dit projekt for os. Vi vender tilbage med en første vurdering.