“Forse cercavi” (Did You Mean, DYM) è una funzione di ricerca che propone una query corretta quando l’input sembra scritto male o insolito. Si basa su misure di somiglianza tra parole, modelli linguistici e analisi delle ricerche frequenti. Esempio: chi digita “macchna caffe” in un negozio online vede “Forse cercavi: macchina caffè?”. La funzione riduce le pagine senza risultati e migliora l’esperienza di ricerca.
Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.
Avvia demoIl fuzzy matching (corrispondenza approssimativa) individua voci simili ma non identiche, ad esempio per errori di battitura, abbreviazioni o grafie diverse. Si basa su misure di somiglianza come la distanza di Levenshtein, che conta quanti caratteri vanno modificati. L’uso tipico è la ricerca di duplicati nei dati di indirizzi e clienti: «Rossi S.r.l., Via Roma 5» e «Rossi Srl, V. Roma 5» vengono riconosciuti come probabilmente lo stesso record.
L'espansione della query (query expansion) aggiunge automaticamente a una ricerca termini correlati, così da trovare anche documenti pertinenti che usano parole diverse. Si aggiungono tipicamente sinonimi, abbreviazioni, forme flesse o traduzioni: chi cerca «disdetta» trova allora anche testi su «recesso dal contratto». È utile soprattutto nella ricerca per parole chiave, ma può ridurre la precisione se si aggiungono termini troppo numerosi o inadatti. Oggi spesso sono i modelli linguistici a generare le query ampliate.
La ricerca IA indica metodi di ricerca che usano l'IA per cogliere l'intento di una richiesta, ponderare i risultati e spesso generare una risposta sintetica con fonti invece di un semplice elenco di link. Tecnicamente si basano su ricerca per parole chiave, ricerca vettoriale tramite embedding o una combinazione, spesso seguita da un modello linguistico. Esempi sono i motori di risposta sul web e le ricerche interne che aiutano i collaboratori a trovare informazioni in manuali e regolamenti.
Il recupero dell'informazione (information retrieval) comprende i metodi che, in grandi raccolte di testi, trovano i documenti o i passaggi pertinenti a una richiesta e li ordinano per rilevanza. Approcci classici come BM25 pesano i termini in base a frequenza e rarità; quelli più recenti aggiungono la somiglianza semantica. È alla base di motori di ricerca, ricerca aziendale e retrieval-augmented generation, in cui un modello linguistico usa i passaggi trovati come fonte della risposta.
