semantisk søgemodel
En semantisk søgemodel bruger vektorrepræsentationer (embeddings) af tekst til at finde dokumenter baseret på meningsindhold frem for eksakte ordmatch.
Kort fortalt
Kort fortalt: En model der forstår meningen bag din søgning, så du finder relevante resultater selvom du bruger andre ord end dem i dokumentet.
- Kategori
- teknik
- Niveau
- øvet
Betydninger
1- 1
En model der ved hjælp af neurale netværk og embeddings konverterer tekst til vektorer og måler lighed mellem forespørgsel og dokumenter for at rangere resultater efter semantisk relevans.
- Virksomheden implementerede en semantisk søgemodel for at forbedre deres vidensbase, så medarbejderne kan finde svar på naturligt sprog. — Teknisk dokumentation, 2024
- En semantisk søgemodel kan håndtere synonymi og parafraser, hvilket traditionel keyword-søgning ikke kan. — Forskningsartikel, 2023
Hvornår bruges det
Semantiske søgemodeller anvendes i moderne søgemaskiner, RAG-systemer og anbefalingssystemer. De erstatter eller supplerer traditionel keyword-baseret søgning ved at muliggøre søgning efter koncept og intention.
Kodeeksempel
from sentence_transformers import SentenceTransformer, util
model = SentenceTransformer('all-MiniLM-L6-v2')
query = 'hvad er kunstig intelligens?'
docs = ['AI er simulering af menneskelig intelligens', 'Maskinlæring er en del af AI']
q_emb = model.encode(query)
d_emb = model.encode(docs)
scores = util.cos_sim(q_emb, d_emb)
print(scores)Opretter en semantisk søgemodel ved at indlæse et fortrænet Sentence-BERT-modellen, kode spørgsmål og dokumenter og beregne cosinus-lighed.
Oprindelse
Termen er sammensat af 'semantisk' (betydningslære) og 'søgemodel', hvilket refererer til en model der søger baseret på betydning.