Ricerca semantica
Ultimo aggiornamento:
Che cos'è la ricerca semantica
La classica ricerca per parole chiave restituisce i documenti che contengono i termini digitati. La ricerca semantica cerca invece i documenti che rispondono a ciò che intendevi, anche se usano parole diverse. Una ricerca per «voli economici per Roma» può trovare una pagina su «tariffe low cost verso la capitale».
L'idea è più vecchia degli attuali modelli linguistici, ma sono stati gli embedding a renderla pratica per usi quotidiani come la ricerca nei siti, i suggerimenti di contenuti e i chatbot AI.
Come funziona
La maggior parte dei sistemi di ricerca semantica segue gli stessi passaggi:
- Il contenuto viene diviso in passaggi e un modello converte ciascuno in un embedding.
- La domanda viene convertita in embedding con lo stesso modello.
- Il sistema misura la distanza tra il vettore della domanda e quelli salvati, spesso con la similarità del coseno.
- Vengono restituiti i passaggi più vicini, ordinati per somiglianza.
Un esempio
Il centro assistenza di un'azienda software ha un articolo intitolato «Reimpostare le credenziali di accesso». Un cliente scrive «Ho dimenticato la password e non riesco a entrare». Una ricerca per parole chiave potrebbe mettere l'articolo in fondo, perché le parole in comune sono poche. La ricerca semantica capisce che i due testi descrivono lo stesso problema e lo mostra per primo.
Succede anche il contrario. Cercando il codice di errore «E-4012» contano i caratteri esatti, non il significato, e la ricerca semantica può restituire articoli su altri codici che al modello sembrano simili. Inoltre, poiché la somiglianza è una questione di grado, la ricerca semantica restituisce sempre i suoi candidati migliori anche quando nulla è davvero pertinente: per questo i buoni sistemi aggiungono controlli prima di usare i risultati.
Perché conta per i chatbot aziendali
I visitatori raramente usano lo stesso vocabolario della tua documentazione. Scrivono domande brevi e informali, fanno errori di battitura o descrivono un sintomo invece di nominare una funzione. La ricerca semantica permette al chatbot di trovare comunque il passaggio giusto, ed è la base per risposte fondate sui tuoi contenuti invece che sulla conoscenza generica del modello.
Il suo punto debole sono i termini esatti: codici SKU, numeri di parte, nomi e sigle. Per questo i chatbot in produzione affiancano di solito la ricerca semantica a quella per parole chiave, un approccio chiamato ricerca ibrida.
Come la usa intoCHAT
intoCHAT crea un embedding per ogni frammento dei tuoi contenuti di addestramento ed esegue una ricerca semantica per ogni domanda dei visitatori. Combina poi i risultati con una ricerca per parole chiave, così l'agente trova i passaggi sia per significato sia per termini esatti. Le coppie di domanda e risposta che scrivi hanno la precedenza e le fonti contrassegnate con la stella salgono in classifica, senza riaddestrare nulla.