Woordenlijst

Windowing

Wat is Windowing?

Windowing betekent dat lange gegevens worden opgedeeld in secties (“vensters”) van vaste lengte, die vaak overlappen. In AI-toepassingen worden lange documenten zo opgedeeld in doorzoekbare delen; de overlap zorgt ervoor dat een zin op de grens van een sectie zijn context niet verliest. Schuivende vensters worden ook gebruikt bij tijdreeksen en audiosignalen om gegevens stuk voor stuk te analyseren.

Hoe KI.ordo helpt

KI.ordo verdeelt opgeslagen kennis in overlappende secties, zodat kennis zoeken relevante passages samen met hun context vindt.

Meer informatie

Onderwerpen

Kennis zoeken
Documenten
RAG

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Retrieval-augmented generation (RAG)

Retrieval-augmented generation combineert zoeken met tekstgeneratie: voordat het antwoordt, doorzoekt het systeem een kennisverzameling – zoals handleidingen, richtlijnen of veelgestelde vragen – op relevante passages en geeft die als context aan het taalmodel. Het antwoord is daardoor gebaseerd op actuele, bedrijfsspecifieke inhoud en niet alleen op de trainingskennis van het model. Dit vermindert verzonnen beweringen, maakt bronnen controleerbaar en maakt updates mogelijk zonder opnieuw te trainen.

RAG
kennis zoeken
+1

Information retrieval

Information retrieval omvat methoden waarmee in een grote hoeveelheid tekst de documenten of passages worden gevonden die bij een zoekvraag passen, en die op relevantie worden gerangschikt. Klassieke benaderingen zoals BM25 wegen zoektermen naar hoe vaak en hoe zelden ze voorkomen; nieuwere voegen semantische gelijkenis toe. Het vormt de basis van zoekmachines, enterprise search en retrieval-augmented generation, waarbij een taalmodel de opgehaalde passages als basis voor zijn antwoord gebruikt.

Zoeken
BM25
+1

Retrievalpipeline

Een retrievalpipeline is de reeks verwerkingsstappen waarmee een systeem de juiste informatie bij een vraag vindt. Typische stappen zijn: documenten inlezen en opschonen, opdelen in chunks, een zoekindex opbouwen, eventueel de zoekopdracht herschrijven, treffers ophalen, rangschikken (reranking) en de beste doorgeven aan het taalmodel. Het is de basis van elke RAG-toepassing, en de kwaliteit ervan bepaalt grotendeels hoe goed de resulterende antwoorden zijn.

RAG
zoeken
+1