Glosar

Căutare IA

Ce este Căutare IA?

Căutarea IA desemnează metodele de căutare care folosesc IA pentru a sesiza intenția din spatele unei interogări, a pondera rezultatele și, adesea, a genera un răspuns rezumat cu surse, în loc de o simplă listă de linkuri. Din punct de vedere tehnic, folosesc căutarea după cuvinte-cheie, căutarea vectorială pe embedding-uri sau o combinație a celor două, urmate frecvent de un model lingvistic. Exemple sunt motoarele de răspunsuri de pe web și căutarea internă în cunoștințe, care ajută angajații să găsească ce au nevoie în manuale și regulamente.

Cum ajută KI.ordo

KI.ordo caută în cunoștințele stocate pe server prin căutare după cuvinte-cheie BM25 și nu folosește căutare vectorială sau pe embedding-uri.

Aflați mai multe

Subiecte

Căutare
Cunoștințe
Retrieval

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Regăsirea informațiilor

Regăsirea informațiilor (information retrieval) cuprinde metodele care găsesc, într-un volum mare de text, documentele sau pasajele ce corespund unei interogări și le ordonează după relevanță. Abordările clasice, precum BM25, ponderează termenii de căutare după cât de des și cât de rar apar; cele mai noi adaugă similitudinea semantică. Stă la baza motoarelor de căutare, a căutării în întreprindere și a retrieval-augmented generation, în care un model lingvistic folosește pasajele regăsite ca bază pentru răspunsul său.

Căutare
BM25
+1

Generare augmentată prin regăsire (RAG)

Generarea augmentată prin regăsire combină căutarea cu generarea de text: înainte de a răspunde, sistemul caută într-o colecție de cunoștințe – de exemplu manuale, regulamente sau FAQ-uri – pasajele relevante și le transmite modelului lingvistic drept context. Răspunsul se bazează astfel pe conținut actual, specific companiei, și nu doar pe cunoștințele de antrenare ale modelului. Aceasta reduce afirmațiile inventate, face sursele verificabile și permite actualizări fără reantrenare.

RAG
căutare în cunoștințe
+1

Vector de embedding

Un vector de embedding (embedding) este o listă de numere care reprezintă sensul unui cuvânt, al unei propoziții sau al unui document, astfel încât textele cu conținut similar să se afle aproape unele de altele. Aceasta face posibil să se recunoască, de exemplu, că „reziliere” și „încetarea contractului” sunt înrudite, chiar dacă nu au cuvinte comune. Embedding-urile stau la baza multor sisteme de căutare semantică, servicii de recomandare și aplicații RAG; ele sunt calculate de modele special antrenate.

vector
căutare semantică
+1

Optimizarea pentru motoarele generative (GEO)

Optimizarea pentru motoarele generative (GEO) cuprinde măsurile prin care conținutul devine vizibil și este citat ca sursă de sistemele de căutare bazate pe IA, precum ChatGPT, Perplexity sau rezumatele IA din motoarele de căutare. Termenul provine dintr-o lucrare de cercetare din 2023. Factorii-cheie includ răspunsuri clare, ușor de citat direct, o structură curată, fapte dovedite, informații actuale și autori identificabili. GEO completează optimizarea clasică pentru motoarele de căutare (SEO), fără a o înlocui.

căutare IA
SEO
+1

Șablon