Fonctionnement des moteurs
Embedding
Aussi: plongement
Un embedding est une représentation numérique d'un fragment de texte qui place les sens proches les uns des autres. Les embeddings permettent à un système d'associer une question à des passages pertinents même sans aucun mot en commun.
En détail
Concrètement, écrire naturellement sur un sujet fonctionne mieux que répéter une formule exacte : c'est le sens qui est rapproché, pas la chaîne de caractères.
Guides sur le sujet
Termes liés
Recherche vectorielle
La recherche vectorielle trouve des documents en comparant des embeddings plutôt qu'en faisant correspondre des mots-clés, récupérant les passages dont le sens est proche de la question. C'est la méthode de récupération derrière la plupart des answer engines.
Recherche sémantique
La recherche sémantique renvoie des résultats par le sens plutôt que par la formulation exacte, si bien qu'une page peut ressortir sur une question dont elle ne partage aucun mot. Elle sous-tend la façon dont les answer engines trouvent de quoi répondre.
Retrieval-Augmented Generation
La retrieval-augmented generation consiste, pour un modèle, à chercher des documents pertinents et à rédiger sa réponse à partir de ce qu'il trouve plutôt qu'à partir du seul entraînement. C'est pourquoi une page publiée cette semaine peut apparaître dans une réponse aujourd'hui.
Prêt à dominer la recherche IA ?
Commencer maintenant
Allswap