Semantisk sökning
Sökning som hittar och rangordnar träffar efter innehållslig närhet till frågan.
Hur hittas besläktat innehåll?
Semantisk sökning hittar och rangordnar träffar efter innehållslig närhet till frågan. Vid vektorbaserade metoder representeras fråga och källtexter som embeddings så att liknande representationer kan sökas. Om korta frågor passar till längre avsnitt beror även på modellen och hur innehållet har förberetts. Sökningen ger först kandidater ur en samling. Att skapa ett svar utifrån dem är ett ytterligare bearbetningssteg.
I en fiktiv kunskapsportal frågar någon varför en maskin går ojämnt; en anvisning använder formuleringen vibrationer i drivningen. En lämplig semantisk sökning skulle kunna hitta avsnittet trots olika ordval. Därefter behöver rätt maskin, giltig dokumentversion och tillåten åtkomst fortfarande kontrolleras. Närhet till ett stycke bevisar ingen bestämd felorsak. En planerad bedömning använder konkreta sökfrågor och sakligt utpekade relevanta avsnitt för att undersöka saknade och olämpliga träffar.
Källor
Relaterade begrepp
- EmbeddingEn embedding representerar innehåll som en talvektor. Modell och jämförelsemetod avgör vilka likheter som blir synliga.
- VektordatabasEn vektordatabas lagrar och söker i vektorrepresentationer. En liknande träff är inte automatiskt en giltig och tillåten svarskälla.
- Generering med hämtad informationRAG förenar informationssökning med ett genererat svar. Källåtkomst ersätter inte utformning av kvalitet och behörigheter.
- GroundingGrounding knyter ett AI-svar till ett kontrollerbart underlag. En källänk visar inte ensam att varje påstående stöds.
- HybridsökningKombination av ordbaserad sökning och vektorsökning till en gemensam träfflista.
- Uppdelning av dokumentAtt dela ett dokument i mindre sammanhängande avsnitt för sökning och modellkontext.
Ditt projekt med ASES
Beskriv ditt projekt för oss. Vi hör av oss med en första bedömning.