语义搜索的工作原理是什么？
语义搜索由向量搜索提供支持，向量搜索使语义搜索能够根据上下文相关性和意图相关性来传递和排列内容。向量搜索将可搜索信息的详细信息编码到相关术语或项目（即向量）的字段中，然后比较向量以确定哪些向量最相似。
支持向量搜索的语义搜索通过同时在查询管道的两端工作来生成结果：启动查询时，搜索引擎会将查询转换为嵌入，嵌入是数据和相关上下文的数字表示形式。它们存储在向量中。然后，kNN 算法（即 k 最近邻算法）将现有文档的向量（语义搜索关注文本）与查询向量进行匹配。然后，语义搜索会生成结果并根据概念相关性对其进行排名。
- 启动查询时，搜索引擎会将查询转换为嵌入，嵌入是数据和相关上下文的数字表示形式。它们存储在向量中。
- 然后，kNN 算法（即 k 最近邻算法）将现有文档的向量（语义搜索关注文本）与查询向量进行匹配。
- 然后，语义搜索会生成结果并根据概念相关性对其进行排名。
上下文
在语义搜索中，上下文可以指任何附加信息，例如搜索者的地理位置、查询中单词的文本上下文或搜索者的搜索历史记录上下文。
语义搜索使用上下文线索来确定一个词在数百万个示例的数据集中的含义。语义搜索还可以识别在类似上下文中可以使用哪些其他词。
例如，搜索“football”在美国意味着“足球”，在英国和世界其他地方则意味着“橄榄球”。语义搜索将根据用户的地理位置区分结果。
搜索者意图
语义搜索的作用是改善用户体验。为了提供最相关的结果，它会解释用户的意图以了解他们的需求。他们想要信息吗？他们是想购买东西吗？根据查询及其上下文，语义搜索将按相关性顺序对结果进行排名。
语义搜索还可以通过查询分类设置进行修改或改进，例如首先生成评分最高的产品，然后生成评分较低的产品。
相关内容：个性化用户的搜索体验
语义搜索与关键字搜索
语义搜索和关键词搜索的区别在于，关键词搜索返回的结果是单词与单词、单词与同义词或单词与相似词的匹配。语义搜索旨在匹配查询中单词的含义。在某些情况下，语义搜索可能不会生成直接匹配单词的结果，但会匹配用户的意图。
关键词搜索引擎使用查询扩展或放宽工具，如同义词或单词省略。它们还使用自然语言处理和理解工具，如拼写容错、分词和规范化。另一方面，语义搜索能够通过使用向量搜索返回与含义匹配的查询结果。
以“巧克力牛奶”为例。语义搜索引擎将区分“巧克力牛奶”和“牛奶巧克力”。虽然查询中的关键词相同，但它们的书写顺序会影响含义。作为人类，我们知道牛奶巧克力指的是一种巧克力，而巧克力牛奶则是巧克力味的牛奶。
超越传统的搜索体验。阅读我们的白皮书，探索将语义搜索引入您的应用程序的最佳方法。
为什么语义搜索很重要？
语义搜索很重要，因为它促进了更广泛的搜索面。由于它由向量搜索提供支持，语义搜索能够实现更直观的搜索体验，其中查询的上下文*和*意图都会产生结果。
由于语义搜索算法会根据各种关键绩效指标（KPI）（例如转化率和跳出率）持续“学习”，因此语义搜索有助于提高用户满意度。
深入了解 2024 年技术搜索趋势。观看此网络研讨会，了解最佳实践、新兴方法以及顶级趋势如何影响 2024 年的开发人员。
语义搜索示例
语义搜索根据用户的地理环境、用户的过去搜索历史记录和用户意图提供结果。
个性化使用搜索者的先前搜索和交互来确定响应的相关性和排名。语义搜索还可以根据其他用户与其提取的响应的交互方式对结果重新排名。例如，当您在搜索引擎中输入“餐厅”时，它会生成您所在地区的餐厅结果。
通过更好地了解用户意图，语义搜索可以使用优先考虑产品比较的内容来响应“酷彩与 Staub 荷兰烤箱”之类的查询，因为这是用户的意图。语义搜索会将“最佳 Staub 优惠”或“酷彩折扣”背后的意图识别为购买意图，并据此提供响应。
另一个例子是预测文本。当您在搜索栏中输入查询时，它会使用语义搜索来完成您的查询，并根据上下文、常见搜索和过去搜索历史记录建议相关的搜索词。
语义搜索的好处
语义搜索通过改善搜索体验使公司及其客户受益。
对客户来说更容易使用
客户可能不记得专业术语，或者不记得特定的产品名称。语义搜索使客户能够输入模糊的搜索查询并获得具体的结果。客户还可以使用描述进行搜索以发现其名称。例如，您可以通过搜索您知道的歌词来查找歌曲并找到标题。
由于语义搜索通过考虑意图和上下文来解释含义，因此客户端的体验更像是人机交互。
概念比关键词更强大
通过匹配概念而不是关键词，语义搜索可以产生更准确的结果。通过维度嵌入，向量将单词表示为一个概念。“汽车”不再仅仅与“汽车”或“汽车”匹配，它还与“驾驶员”、“保险”、“轮胎”、“电动”、“混合动力”等匹配，因为这些词与“汽车”的向量相关联。
因此，由向量搜索驱动的语义搜索扩展了简单匹配由标记表示的关键词的概念。
对企业更有利
通过了解用户意图，语义搜索可以提高销售额和客户满意度。用户意图可以是信息性的、交易性的、导航性的或商业性的。了解意图可以让搜索引擎更好地满足客户需求。这改善了客户与品牌的关系，这对企业更有利。
使用 Elasticsearch 进行语义搜索
Elasticsearch 平台配备了机器学习和人工智能解决方案，包括语义搜索模型：Elastic Learned Sparse EncodeR，或称ELSER。此 NLP 模型由 Elastic 训练，能够在易于部署的工具中启用语义搜索。
观看此视频，了解 Elastic 的零样本编码器模型：它是如何工作的，以及为什么它可以帮助您快速为 AI 搜索应用程序和生成式 AI 体验实施语义搜索。Elastic 的机器学习模型不需要训练，因此可以节省成本和时间。
您接下来应该做什么
无论您何时准备就绪... 这里有四种方法可以帮助您从业务数据中获取洞察力
- 开始免费试用，了解 Elastic 如何帮助您的企业。
- 浏览我们的解决方案，了解 Elasticsearch 平台的工作原理以及它们如何满足您的需求。
- 探索如何在企业中提供生成式人工智能.
- 与您认识的喜欢阅读本文的人分享本文。通过电子邮件、LinkedIn、Twitter 或 Facebook 与他们分享。