什么是 语义搜索？
语义搜索是一种信息检索技术，它理解搜索查询背后的含义和意图，而不仅仅是匹配关键词，使用向量嵌入和自然语言理解来查找概念相关的结果。
快速了解
| 创建时间 | 概念源自 2000 年代，基于 Transformer 的版本从 2019 年开始 |
|---|---|
| 规范文档 | 官方规范 |
工作原理
语义搜索代表了从传统基于关键词搜索的范式转变。通过将文本转换为捕获语义含义的密集向量表示（嵌入），即使文档与查询没有完全相同的词语，也能找到相关文档。现代语义搜索系统通常使用基于 Transformer 的嵌入模型和向量数据库来实现大规模相似性搜索。这项技术支持从 Google 到企业知识库等产品的高级搜索功能。
主要特点
- 理解含义和上下文，而不仅仅是关键词
- 使用向量嵌入来语义表示文本
- 跨不同表述方式查找概念相似的内容
- 支持多语言和跨语言搜索
- 与关键词搜索结合形成混合方法
- 支持在文档集合上进行问答
常见用途
- 企业知识库和文档搜索
- 电商产品发现
- 客户支持工单路由
- 法律和医疗文档检索
- 大语言模型应用的 RAG 系统
示例
loading...
Loading code...常见问题
什么是语义搜索？
语义搜索是一种理解查询含义和意图的信息检索技术，而不仅仅匹配关键词。它使用向量嵌入将文本转换为数值表示，通过计算语义相似度来查找概念相关的结果，即使措辞不同也能找到相关内容。
语义搜索和关键词搜索有什么区别？
关键词搜索基于精确的词汇匹配，查询「汽车」不会匹配「轿车」；语义搜索理解词义，知道它们是相关概念。语义搜索能处理同义词、不同表述方式，甚至跨语言搜索，提供更智能的搜索体验。
语义搜索是如何实现的？
语义搜索通常使用嵌入模型（如 Sentence-BERT）将文本转换为高维向量，这些向量捕获了文本的语义含义。查询时，将查询文本也转换为向量，然后在向量数据库中查找最相似的文档向量。
语义搜索在 RAG 系统中扮演什么角色？
在 RAG（检索增强生成）系统中，语义搜索是检索阶段的核心技术。它负责从知识库中找到与用户问题语义最相关的文档片段，这些片段作为上下文提供给大语言模型，帮助生成准确且有依据的回答。