Fonctionnement des moteurs
Recherche vectorielle
Aussi: vector search
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.
En détail
Elle récompense les passages qui répondent complètement à une question au même endroit, car un passage autonome obtient le meilleur score face à l'embedding de la question.
Guides sur le sujet
Termes liés
Embedding
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.
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.
Reranking
Le reranking est un second passage qui réordonne les documents récupérés selon la qualité réelle de leur réponse à la question, avant que le modèle n'écrive à partir d'eux. Il décide lequel des candidats deviendra une citation.
Prêt à dominer la recherche IA ?
Commencer maintenant
Allswap