البحث الدلالي (Semantic Search)

يتجاوز البحث الدلالي المطابقة الحرفية للكلمات الرئيسية إلى فهم القصد والمعنى السياقي وراء استعلام المستخدم. من خلال الاستفادة من معالجة اللغة الطبيعية المتقدمة وخوارزميات وخوارزميات التعلم الآلي المتطورة تعمل هذه التقنية على سد الفجوة بين اللغة البشرية وفهم الآلة. إنها عنصر حاسم في أنظمة الذكاء الاصطناعي الحديثة, مما يسمح لها باسترداد النتائج ذات الصلة حتى عندما تكون المصطلحات الدقيقة مفقودة من البيانات المصدر.

كيفية عمل البحث الدلالي

تتضمن الآلية الأساسية للبحث الدلالي تحويل البيانات غير المنظمة - مثل النصوص أو الصور أو الصوت - إلى متجهات عددية عالية الأبعاد تُعرف باسم التضمينات. يتم وضع هذه المتجهات في فضاء دلالي متعدد الأبعاد حيث تمثل العناصر ذات المعاني المتشابهة علاقة مكانية وثيقة.

على سبيل المثال، في نظام دلالي ما، فإن البحث عن "رفيق القطط" في نظام دلالي ما سيؤدي إلى ربطه بشكل وثيق ب "قطة" أو أو "قطة" لأن نموذج التعلم العميق يفهم العلاقة المفاهيمية، في حين أن محرك البحث المعجمي التقليدي قد يفشل إذا لم تظهر كلمة "قط" أو "قط" في المستندات المستهدفة. "القطط" المحددة لا تظهر في المستندات المستهدفة. تعتمد هذه العملية غالبًا على قواعد بيانات متجهة مثل مثل Milvus أو Pinecone لتخزين واسترجاع هذه التضمينات بكفاءة.

يوضّح كود Python التالي كيفية توليد تضمينات الميزات من صورة باستخدام ultralytics الحزمة. هذه هي الخطوة الأولى في بناء نظام بحث دلالي مرئي.

from ultralytics import YOLO

# Load a pre-trained YOLO11 classification model
model = YOLO("yolo11n-cls.pt")

# Generate embeddings for an image (returns a list of tensors)
# This converts visual content into a numerical vector representation
results = model.embed("https://ultralytics.com/images/bus.jpg")

# Print the shape of the embedding vector to verify output
print(f"Embedding vector shape: {results[0].shape}")

تطبيقات واقعية

أحدث البحث الدلالي تحولاً في مختلف الصناعات من خلال جعل استرجاع المعلومات أكثر سهولة وفعالية.

• التجارة الإلكترونية والاكتشاف المرئي: يستخدم تجار التجزئة عبر الإنترنت البحث الدلالي لتحسين تجربة العملاء. قد يبحث المتسوق عن "فستان صيفي مزين بالأزهار"، ويمكن للنظام أن يُرجع التطابقات البصرية ذات الصلة حتى لو كانت أوصاف المنتج يفتقر إلى تلك الكلمات المفتاحية الدقيقة. يستخدم هذا غالبًا نماذج متعددة الوسائط يمكنها معالجة كل من النصوص والصور في آنٍ واحد.
• إدارة المعرفة و RAG: في بيئات الشركات، غالبًا ما يبحث الموظفون عن المستندات بناءً على على المفاهيم بدلاً من أسماء الملفات. قوة البحث الدلالي الاسترجاع-التوليد المعزز (RAG)، حيث يسترجع الذكاء الاصطناعي المعلومات ذات الصلة بالسياق للإجابة عن الأسئلة المعقدة، مما يعزز قدرات نماذج اللغات الكبيرة (LLMs).
• توصية المحتوى: تستخدم خدمات البث ومنصات المحتوى الفهم الدلالي لـ بناء أنظمة توصية. من خلال تحليل الميزات الدلالية للمحتوى الذي يستمتع به المستخدم، يمكن للنظام اقتراح أفلام أو مقالات متشابهة من الناحية المفاهيمية, مما يحافظ على تفاعل المستخدمين.

البحث الدلالي مقابل المفاهيم ذات الصلة

من المهم تمييز البحث الدلالي عن مصطلحات استرجاع المعلومات الأخرى لفهم دوره المحدد في مشهد الذكاء الاصطناعي.

• البحث في المتجهات: البحث المتجه هو الطريقة الرياضية المستخدمة لتنفيذ البحث الدلالي. وهو يتضمن حساب المسافة بين المتجهات (باستخدام مقاييس مثل تشابه جيب التمام) للعثور على أقرب الجيران. البحث الدلالي هو التطبيق الأوسع نطاقاً الذي يشمل فهم القصد.
• البحث عن الكلمات المفتاحية: هذا هو النهج التقليدي الذي يعتمد على مطابقة سلاسل الأحرف الدقيقة. وهو أرخص من الناحية الحسابية ولكنه يفتقر إلى القدرة على فهم المترادفات أو تعدد المعاني (كلمات ذات متعددة المعاني).
• التعلّم من الصفر: يشير هذا إلى قدرة النموذج على التعرف أو تصنيف العناصر التي لم يسبق له أن رآها من قبل أثناء التدريب. غالبًا ما تُظهر محركات البحث الدلالي قدرات اللقطة الصفرية لأنها تستطيع تعيين الاستعلامات الجديدة إلى الحالية دون إعادة تدريب واضحة.
• فهم اللغة الطبيعية (NLU): NLU هي مجموعة فرعية من البرمجة اللغوية العصبية تركز على فهم القراءة الآلية. بينما توفر وحدة معالجة اللغات الطبيعية الذكاء لتفسير الاستعلام، فإن البحث الدلالي هو عملية الاسترجاع التي تعمل على هذا التفسير.

من خلال تجاوز المطابقة الجامدة للكلمات الرئيسية، يمكّن البحث الدلالي الرؤية الحاسوبية والأنظمة القائمة على النصوص التفاعل مع البشر بطريقة أكثر طبيعية و"شبيهة بالبشر". بالنسبة للمطورين الذين يتطلعون إلى تنفيذ هذه الميزات، فإن استكشاف دليل البحث التشابهيUltralytics يقدم خطوات عملية لتطبيق هذه المفاهيم باستخدام YOLO11.