Речник

ИИ търсене

Какво е ИИ търсене?

ИИ търсене означава методи за търсене, които използват ИИ, за да разберат намерението зад дадена заявка, да претеглят резултатите и често да генерират обобщен отговор с източници, вместо обикновен списък с връзки. Технически те използват търсене по ключови думи, векторно търсене върху влагания или комбинация от двете, често последвани от езиков модел. Примери са отговарящите машини (answer engines) в мрежата и вътрешното търсене на знания, което помага на служителите да намират нужното в ръководства и политики.

Как помага KI.ordo

KI.ordo претърсва съхранените знания на сървъра чрез търсене по ключови думи BM25 и не използва векторно търсене или търсене по влагания.

Научете повече

Теми

Търсене
Знания
Retrieval

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

Извличане на информация (information retrieval)

Извличането на информация (information retrieval) обхваща методи за намиране на документите или откъсите в голям обем текст, които съответстват на дадена заявка, и за подреждането им по релевантност. Класически подходи като BM25 претеглят термините за търсене според това колко често и колко рядко се срещат; по-новите добавят семантично сходство. То е в основата на търсачките, корпоративното търсене и retrieval-augmented generation, при което езиков модел използва извлечените откъси като основа за отговора си.

Търсене
BM25
+1

Генериране, допълнено с извличане (RAG)

Генерирането, допълнено с извличане (Retrieval-augmented generation), съчетава търсене с генериране на текст: преди да отговори, системата търси в колекция от знания – например ръководства, правилници или често задавани въпроси – подходящи пасажи и ги подава на езиковия модел като контекст. Така отговорът се основава на актуално съдържание, специфично за компанията, а не само на знанията от обучението на модела. Това намалява измислените твърдения, прави източниците проследими и позволява актуализации без повторно обучение.

RAG
търсене в знанията
+1

Вектор на влагане (embedding)

Векторът на влагане (embedding) е списък от числа, който представя значението на дума, изречение или документ така, че текстовете със сходно съдържание да са разположени близо един до друг. Това дава възможност да се разпознае например, че „отмяна“ и „прекратяване на договор“ са свързани, въпреки че нямат общи думи. Влаганията са в основата на много системи за семантично търсене, услуги за препоръки и RAG приложения; изчисляват се от специално обучени модели.

вектор
семантично търсене
+1

Оптимизация за генеративни машини (GEO)

Оптимизацията за генеративни машини (Generative engine optimisation, GEO) обхваща мерки, които помагат съдържанието да е видимо и да се цитира като източник в системи за търсене, задвижвани от ИИ, като ChatGPT, Perplexity или ИИ прегледите в търсачките. Терминът идва от научна публикация от 2023 г. Ключови фактори са ясни, директно цитируеми отговори, чиста структура, доказани факти, актуална информация и идентифицируеми автори. GEO допълва класическата оптимизация за търсачки (SEO), а не я замества.

ИИ търсене
SEO
+1

Шаблон