Semantisk søk
Søk som finner og rangerer treff etter innholdsmessig nærhet til forespørselen.
Hvordan finnes beslektet innhold?
Semantisk søk finner og rangerer treff etter innholdsmessig nærhet til forespørselen. Ved vektorbaserte metoder representeres forespørsel og kildetekster som vektorer (embeddinger), slik at lignende representasjoner kan søkes frem. Om korte spørsmål passer til lengre avsnitt, avhenger også av modellen og klargjøringen av innholdet. Søket gir først kandidater fra en samling. Å lage et svar ut fra dem er et videre behandlingstrinn.
I en fiktiv kunnskapsportal spør noen hvorfor en maskin går ujevnt; en veiledning bruker formuleringen vibrasjoner i drivverket. Et egnet semantisk søk kunne finne avsnittet til tross for ulik ordlyd. Deretter må riktig maskin, gyldig dokumentversjon og tillatt tilgang fortsatt kontrolleres. Nærhet til et avsnitt beviser ingen bestemt feilårsak. En planlagt vurdering bruker konkrete søkespørsmål og relevante avsnitt utpekt av fagpersoner for å undersøke manglende og uegnede treff.
Kilder
Beslektede begreper
- EmbeddingEn embedding representerer innhold som en tallvektor. Modell og sammenligningsmetode avgjør hvilke likheter som blir synlige.
- VektordatabaseEn vektordatabase lagrer og søker i vektorrepresentasjoner. Et lignende treff er ikke automatisk en gyldig og tillatt svarkilde.
- Retrieval-Augmented GenerationRAG knytter informasjonsinnhenting til genererte svar. Kildetilgang erstatter ikke utforming av kvalitet og rettigheter.
- GroundingGrounding knytter et KI-svar til etterprøvbart grunnlag. En kildelenke viser ikke alene at hvert utsagn er underbygd.
- HybridsøkKombinasjon av ordbasert søk og vektorsøk i en felles treffliste.
- Oppdeling av dokumenterÅ dele et dokument i mindre sammenhengende avsnitt for søk og modellkontekst.
Ditt prosjekt med ASES
Beskriv prosjektet ditt for oss. Vi tar kontakt med en første vurdering.