Ugrás a tartalomra
searchboar.

AI-keresés és láthatóság

Vektoros keresés: jelentés, példák és használat

A vektoros keresés a kérdés és a kereshető elemek számszerű reprezentációi között keres közeli vagy hasonló találatokat. Gyakran embeddingeket használ a jelentésbeli kapcsolatok felismeréséhez. A legközelebbi vektor a választott mérés szerinti találat, nem automatikusan a legpontosabb vagy legfrissebb forrás.

Más elnevezések: Vector search

Röviden

  • A vektoros keresés reprezentációkat hasonlít össze.
  • A hasonlóság mellett a hozzáférés, nyelv és termékváltozat is számíthat.
  • A találati sorrend nem igazság- vagy aktualitási rangsor.
Ezen az oldalon
Egy kérdést jelölő pont közelében több dokumentumpont helyezkedik el egy szemléltető vektortérben.
Szemléltető ábra: egy kérdést jelölő pont közelében több dokumentumpont helyezkedik el egy szemléltető vektortérben.

Mit jelent a közelség?

A rendszer a kérdéshez és a dokumentumokhoz tartozó beágyazásokat egy választott hasonlósági vagy távolságfüggvénnyel hasonlítja össze. A vektorkereső a közeli jelölteket keresi meg; nagy gyűjteménynél ehhez gyorsított, közelítő módszert is használhat. Vektoros keresés

A közelség mindig az adott reprezentációban értendő. Nem földrajzi távolság és nem az állítás helyességének mértéke.

Miben segít, és mi marad külön feladat?

Hasznos lehet, ha az ügyfél más szavakkal kérdez, mint amelyek a kézikönyvben szerepelnek. A visszakeresés így nem szorul kizárólag betű szerinti egyezésre.

A nyelv, a jogosultság vagy a készülék pontos típusa ugyanakkor szűrési feltétel lehet. Ezeket nem célszerű pusztán arra bízni, hogy a megfelelő találat majd „elég közeli” lesz. A hozzáférési feltétel teljesülése nem relevanciapontszám.

Példa: hasonló, de nem ugyanaz

Egy képzeletbeli szerviz két kávégép kézikönyvét tárolja. Mindkettő vízkőtelenítésről beszél, ezért a témához tartozó részleteik hasonlóak lehetnek. Az egyik készüléknél azonban más az alkalmazható eljárás.

A jó keresési feladat a kérdésben megadott típust is figyelembe veszi. A találat ellenőrzésekor a modellazonosítót és a dokumentum változatát is meg kell nézni. A példa azt mutatja, hogy a témabeli hasonlóság kevés egy pontos használati állításhoz.

Hogyan ellenőrizhető a minőség?

Állíts össze hétköznapi kérdéseket, pontos kódokat és nehezen megkülönböztethető változatokat is tartalmazó próbákat. Nézd meg, bekerül-e a szükséges forrás, és milyen téves találatok előzik meg.

A hibrid keresés pontos kifejezésekkel egészítheti ki a szemantikus jeleket, az újrarangsorolás pedig újraértékelheti a jelölteket. Egyik sem indokolja a források tényszerű ellenőrzésének elhagyását. A gyors találat és a megfelelő válasz külön minőségi szempont.

Források

  1. Google Cloud: A vektorkeresés áttekintése