Sade anlatım
Klasik arama yazdığınız kelimeleri arar. “Laptop açılmıyor” yazarsanız “Başlamayan dizüstü bilgisayarda sorun giderme” başlıklı makaleyi kaçırır. Anlamsal arama iki metnin ne anlama geldiğini karşılaştırır ve onu bulur; çünkü “laptop” ile “dizüstü bilgisayar”, “açılmıyor” ile “başlamayan” anlamca yan yanadır.
Neden önemli
İnsanlar soruyu nadiren yanıtın yazıldığı biçimde sorar. Anlamsal arama bu boşluğu kapatır; yardım merkezlerini, kurum içi bilgi aramasını ve ürün keşfini iyileştirmesi ve RAG'in varsayılan getirme yöntemi olması bundandır. Bilinen bir zayıflığı vardır: parça numarası, hata kodu ve özel ad gibi birebir tanımlayıcılarda başarısızdır.
Örnek
Bir hukuk bürosunun belge araması anahtar kelimeden anlamsal aramaya geçiriliyor. “Finansman sağlanamazsa alıcının vazgeçmesine izin veren maddeler” diye arayan avukat artık “Ön koşullar” ve “Fonlamanın sağlanamaması halinde fesih” başlıklı hükümleri buluyor; ikisinde de onun kelimeleri geçmiyor.
Bununla en çok karıştırılan kavram
Semantic Search ve Keyword search (anahtar kelime araması) arasındaki fark
Anahtar kelime araması kesin ve lafzidir: bir ürün kodu ya da ad için idealdir, eş anlamlılara kördür. Anlamsal arama esnek ve yaklaşıktır: doğal sorularda iyidir, birebir dizgilerde güvenilmezdir. Üretimdeki sistemlerin çoğu ikisini birlikte çalıştırır ve sonuçları birleştirir; buna hibrit arama denir.
Teknik katman
Uygulama: bir embedding modeli belgeleri (parçalara bölünmüş halde) ve sorguları vektöre çevirir; bir vektör dizini en yakın parçaları döndürür. Kalite, embedding modelinin dilinize ve alanınıza uygunluğuna, parçalamaya ve sorgularla belgelerin biçimce benzeyip benzemediğine bağlıdır; uzun belgelere karşı kısa sorularda sorgu genişletme ya da asimetrik arama için eğitilmiş modeller çoğu zaman fayda sağlar. Çok dilli embedding modelleri, bir dildeki sorgunun başka dildeki belgeleri getirmesine izin verir. Kendi sorgularınızla değerlendirin: herkese açık benchmark sıralamaları özel içerikteki başarımı güvenilir biçimde öngörmez.