امبدینگ و جست‌وجوی معنایی به زبان ساده

جست‌وجوی کلیدواژه‌ای ساده است: دنبال کلمه می‌گردد. مشکل اینجاست که کاربر کلمات شما را به کار نمی‌برد. او می‌نویسد «کی می‌رسه؟» و شما در سایت نوشته‌اید «زمان تحویل سفارش». هیچ کلمه مشترکی وجود ندارد.

عدد به‌جای کلمه

امبدینگ هر تکه متن را به یک آرایه عدد تبدیل می‌کند. این اعداد تصادفی نیستند؛ موقعیت آن متن را در یک فضای معنایی نشان می‌دهند. متن‌هایی که معنای نزدیک دارند، بردارهای نزدیک می‌گیرند — حتی اگر واژگانشان کاملاً متفاوت باشد.

پس «کی می‌رسه؟» و «زمان تحویل سه تا پنج روز کاری است» در این فضا کنار هم می‌افتند، و پیدا کردن یکی از روی دیگری کار ساده‌ای می‌شود.

شباهت یعنی فاصله

وقتی کاربر سؤالی می‌پرسد، سؤال او هم به بردار تبدیل می‌شود. بعد سیستم دنبال نزدیک‌ترین بردارها در پایگاه دانش می‌گردد. این «نزدیکی» یک عدد است، و همین امکان می‌دهد آستانه بگذاریم: اگر نزدیک‌ترین متن هم به اندازه کافی مرتبط نبود، ربات به‌جای پاسخ نامربوط، اعلام می‌کند اطلاعاتی ندارد.

چرا ابعاد مهم است

هر بردار تعداد مشخصی بُعد دارد. ابعاد بیشتر یعنی تمایز دقیق‌تر اما حافظه و محاسبه بیشتر. نکته عملی این است که این عدد پس از ساخت پایگاه دانش قابل تغییر نیست؛ تغییر آن یعنی بازسازی کامل همه بردارها.

در عمل چه معنایی دارد

شما لازم نیست کلمات کلیدی را حدس بزنید یا مترادف‌ها را دستی بنویسید. کافی است محتوای سایت روشن و کامل باشد. جست‌وجوی معنایی بقیه راه را می‌رود.