完整定義
語義搜尋是一種搜尋技術,旨在理解使用者搜尋查詢的意圖和上下文,而不僅僅是匹配關鍵字。它利用自然語言處理 (NLP) 和機器學習 (ML) 技術,以提供更相關和精確的搜尋結果。常見應用包括網路搜尋、企業搜尋和問答系統。
白話說明
你有沒有在你想找「那篇講台股 AI 應用的文章」,但記不得標題,只記得內容大意,發現只看表面常常不夠?
你可以把它想成先理解你想找什麼,再去找意思接近的資料,不只比對字面。
關鍵字很容易漏掉同義詞和改寫內容,語義搜尋能把意思相近的文件撈出來。
記住這句
記不得原字,也能找到意思相近的結果,就是語義搜尋。
比喻:語義搜尋就像一個能「猜心」的圖書館員 -- 它不只看你輸入的關鍵字,還能理解你真正想找什麼,即使你用的詞不太精確也能找到對的書。
容易混淆
關鍵字搜尋
關鍵字搜尋像在書架上找書名完全符合的,語義搜尋像理解你的問題後,推薦內容相關但書名不一定完全一樣的書。
實際案例
學生搜尋「怎麼讓模型回答更準」,系統可能找到「RAG」、「向量資料庫」、「檢索增強生成」這些文章。
企業知識庫查詢「請問報銷流程」,即使文件寫的是「費用申請」,也應該被找出來。
演算法與應用
常見流程是把查詢和文件轉成 embedding,再丟進向量資料庫或混合搜尋系統比對相似度。
實務上常會搭配 rerank,先撈候選結果,再用更精準的模型重排。
情境判斷
Q1(直覺題): 你輸入「AI 寫報告」,系統找到「自動摘要」文件,這算對嗎?
算。語義搜尋看的是意思相近,不是字串完全一樣。
Q2(判斷題): 如果所有結果都只因為關鍵字命中而出現,這還是語義搜尋嗎?
不完全是。那比較像關鍵字搜尋,語義搜尋通常要有語意表示和相似度比對。
常見問題
語義搜尋通過使用知識圖譜和向量嵌入來處理同義詞和多義詞。知識圖譜可以提供關於字詞之間關係的資訊,例如同義詞和上位詞。向量嵌入可以將字詞表示為高維空間中的向量,使得同義詞的向量更加接近,而多義詞的向量則根據上下文的不同而有所變化。例如,對於「蘋果」這個詞,知識圖譜可以指出它既可以指水果,也可以指蘋果公司。向量嵌入可以根據上下文的不同,將「蘋果」表示為不同的向量,以便區分其不同的含義。
長尾查詢是指那些搜尋頻率很低的查詢。語義搜尋可以通過使用知識擴展和向量嵌入來處理長尾查詢。知識擴展可以利用知識圖譜或其他知識來源,擴展使用者查詢的範圍,從而找到與查詢相關的資訊。向量嵌入可以將長尾查詢表示為高維空間中的向量,使得與查詢相關的文檔的向量更加接近,即使這些文檔中沒有包含查詢中的關鍵字。例如,如果使用者查詢「台北哪裡可以吃到好吃的牛肉麵」,語義搜尋可以利用知識圖譜擴展到台北的牛肉麵店,並使用向量嵌入找到與查詢相關的食記和評價。
語義搜尋的未來發展會更重視上下文理解、跨來源知識整合、個人化結果和推理能力,也會更自然地結合語音與視覺搜尋。
出現在這些考古題
官方公告試題的逐題解析裡,這 3 題把語義搜尋列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本