Ordliste

Windowing

Hvad er Windowing?

Windowing betyder, at lange data opdeles i sektioner (»vinduer«) af fast længde, som ofte overlapper. I AI-applikationer opdeler det lange dokumenter i søgbare dele; overlappet sikrer, at en sætning ved en sektionsgrænse ikke mister sin kontekst. Glidende vinduer bruges også til tidsserier og lydsignaler for at analysere data stykke for stykke.

Sådan hjælper KI.ordo

KI.ordo opdeler gemt viden i overlappende sektioner, så vidensøgningen finder relevante passager sammen med deres kontekst.

Læs mere

Emner

Vidensøgning
Dokumenter
RAG

Prøv KI.ordo

Agenter, flows og skabeloner i ét arbejdsområde – gratis demo i 24 timer.

Start demo

← Alle begreber

Relaterede begreber

Retrieval-augmented generation (RAG)

Retrieval-augmented generation kombinerer søgning med tekstgenerering: før svaret søger systemet i en vidensamling – f.eks. manualer, politikker eller FAQ'er – efter relevante passager og giver dem til sprogmodellen som kontekst. Svaret bygger dermed på aktuelt, virksomhedsspecifikt indhold og ikke kun på modellens træningsviden. Det reducerer opfundne udsagn, gør kilder sporbare og muliggør opdateringer uden gentræning.

RAG
vidensøgning
+1

Information retrieval

Information retrieval omfatter metoder til at finde de dokumenter eller passager i en stor tekstmasse, der matcher en forespørgsel, og rangere dem efter relevans. Klassiske tilgange som BM25 vægter søgeord efter, hvor ofte og hvor sjældent de forekommer; nyere tilføjer semantisk lighed. Det ligger til grund for søgemaskiner, virksomhedssøgning og retrieval-augmented generation, hvor en sprogmodel bruger de hentede passager som grundlag for sit svar.

Søgning
BM25
+1

Retrieval pipeline

En retrieval pipeline er rækken af behandlingstrin, et system bruger til at finde de rigtige oplysninger til et spørgsmål. Typiske trin er: indlæsning og rensning af dokumenter, opdeling i chunks, opbygning af et søgeindeks, eventuelt omskrivning af forespørgslen, hentning af matches, rangering (reranking) og videregivelse af de bedste til sprogmodellen. Den er fundamentet for enhver RAG-applikation, og dens kvalitet er i høj grad afgørende for, hvor gode de endelige svar bliver.

RAG
søgning
+1