Fogalomtár

MI-keresés

Mi a(z) MI-keresés?

Az MI-keresés olyan keresési módszereket jelent, amelyek MI-t használnak a lekérdezés mögötti szándék megértésére, az eredmények súlyozására, és gyakran forrásokkal ellátott, összefoglalt választ generálnak a puszta hivatkozáslista helyett. Technikailag kulcsszavas keresést, beágyazásokon alapuló vektorkeresést vagy ezek kombinációját használják, gyakran egy nyelvi modellel kiegészítve. Példák: az interneten működő válaszmotorok és a belső tudáskeresés, amely segít a munkatársaknak megtalálni a szükséges információt kézikönyvekben és szabályzatokban.

Így segít a KI.ordo

A KI.ordo a tárolt tudásban a szerveren BM25 kulcsszavas kereséssel keres, és nem használ vektoros vagy beágyazásalapú keresést.

További információ

Témák

Keresés
Tudás
Retrieval

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

Információkeresés

Az információkeresés (information retrieval) azokat a módszereket foglalja magában, amelyek egy nagy szövegállományban megtalálják a lekérdezésnek megfelelő dokumentumokat vagy szövegrészleteket, és relevancia szerint rangsorolják őket. A klasszikus megközelítések, például a BM25, a keresőszavakat aszerint súlyozzák, milyen gyakran és milyen ritkán fordulnak elő; az újabbak szemantikus hasonlóságot is bevonnak. Ez áll a keresőmotorok, a vállalati keresés és a visszakeresésalapú generálás mögött, amelyben egy nyelvi modell a visszakeresett részleteket használja válasza alapjául.

Keresés
BM25
+1

Visszakeresésalapú generálás (RAG)

A visszakeresésalapú generálás a keresést a szöveggeneráláshoz kapcsolja: a válasz előtt a rendszer egy tudásgyűjteményben – például kézikönyvekben, irányelvekben vagy GYIK-ekben – releváns részleteket keres, és ezeket kontextusként átadja a nyelvi modellnek. A válasz így naprakész, vállalatspecifikus tartalmakon alapul, nem csak a modell tanítási tudásán. Ez csökkenti a kitalált állításokat, nyomon követhetővé teszi a forrásokat, és újratanítás nélküli frissítést tesz lehetővé.

RAG
tudáskeresés
+1

Beágyazási vektor

A beágyazási vektor (embedding) számok listája, amely egy szó, mondat vagy dokumentum jelentését úgy ábrázolja, hogy a hasonló tartalmú szövegek közel kerüljenek egymáshoz. Így felismerhető például, hogy a „felmondás” és a „szerződés megszüntetése” összefügg, noha nincs bennük közös szó. A beágyazások sok szemantikus keresőrendszer, ajánlószolgáltatás és RAG-alkalmazás alapját képezik; speciálisan betanított modellek számítják ki őket.

vektor
szemantikus keresés
+1

Generatív motoroptimalizálás (GEO)

A generatív motoroptimalizálás (Generative Engine Optimisation, GEO) olyan intézkedések összessége, amelyek segítik, hogy egy tartalom látható legyen az MI-alapú keresőrendszerekben – például a ChatGPT-ben, a Perplexityben vagy a keresők MI-áttekintéseiben –, és forrásként hivatkozzanak rá. A kifejezés egy 2023-as kutatási cikkből ered. Fő tényezők: egyértelmű, közvetlenül idézhető válaszok, tiszta szerkezet, igazolt tények, naprakész információk és azonosítható szerzők. A GEO a klasszikus keresőoptimalizálást (SEO) kiegészíti, nem váltja fel.

MI-keresés
SEO
+1

Sablon