セマンティック検索

セマンティック検索は、文字通りのキーワードマッチングにとどまらず ユーザーのクエリの背後にある意図や文脈的な意味を理解します。高度な 自然言語処理 (NLP) と洗練された 機械学習（ML）アルゴリズムを活用することで このテクノロジーは、人間の言語と機械の理解のギャップを埋めるものです。現代の 人工知能（AI）システムの重要な構成要素である、 ソースデータから正確な用語が欠落している場合でも、関連性の高い検索結果を得ることができます。

セマンティック検索の仕組み

セマンティック検索の核となるメカニズムは、テキスト、画像、音声などの非構造化データを、埋め込みと呼ばれる高次元の数値ベクトルに変換することである。 埋め込みとして知られる高次元の数値ベクトルに変換する。 これらのベクトルは、類似した意味を持つアイテムが密接な空間的関係を表す多次元の意味空間に配置される。 空間的関係を表す。

例えば、意味システムにおいて、「ネコの仲間」を検索すると、ディープラーニングモデルが「ネコ」や「子猫」と密接に対応する。 「ディープラーニング・モデルは概念的な関係を理解する。 というのも、ディープラーニング・モデルは概念的な関係を理解するからだ。 一方、伝統的な語彙検索エンジンは、特定の単語 "feline "がターゲット文書に出てこない場合、失敗する可能性がある。このプロセスは、多くの場合 ベクトルデータベース Milvusや Pineconeのようなベクトル・データベースに頼ることが多い。 のようなベクトルデータベースに頼ることが多い。

次のPython コードは、画像から特徴埋め込みを生成する方法を示しています。 ultralytics パッケージで提供される。これはビジュアル意味検索システム構築の第一歩である。

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}")

実際のアプリケーション

セマンティック検索は、情報検索をより直感的で効果的なものにすることで、様々な業界に変革をもたらした。

• Eコマースとビジュアル・ディスカバリー：オンライン小売業者はセマンティック検索を活用し、顧客体験を向上させる。 利用する。買い物客は 「夏の花柄のドレス」と検索すると、たとえ商品説明にそのようなキーワードがなくても、システムは関連するビジュアルの一致を返すことができます。 このようなキーワードがなくても、システムは関連するビジュアルを返すことができる。これにはしばしば以下が利用される。 テキストと画像のクエリを同時に処理できるマルチモーダルモデル を同時に処理することができます。
• ナレッジ・マネジメントとRAG：企業環境では、従業員はしばしばファイル名ではなく概念に基づいて文書を検索する。 ることが多い。セマンティック検索 AIが複雑な質問に答えるために文脈に関連した情報を検索するRAG（Retrieval-Augmented Generation）は、大規模言語モデル（LLM）の能力を強化する。 大規模言語モデル（LLM）の能力を強化する。
• コンテンツの推薦：ストリーミング・サービスとコンテンツ・プラットフォームは、推薦システムを構築するためにセマンティック理解を利用する。 推薦システムを構築する。ユーザーが楽しむコンテンツの意味的特徴を分析することで ユーザーが楽しんでいるコンテンツの意味的特徴を分析することで、システムは概念的に類似した映画や記事を提案することができる、 ユーザーを飽きさせない。

セマンティック検索と関連概念

セマンティック検索を他の情報検索用語と区別することは、AIにおけるセマンティック検索の役割を理解する上で重要である。 を理解するために重要である。

• ベクトル検索:ベクトル検索は、意味検索を実行するために使用される数学的手法である。これは ベクトル間の距離を計算し コサイン類似度のような）ベクトル間の距離を計算し 最も近い隣人を見つける。セマンティック検索は、意図の理解を包含する、より広範なアプリケーションである。
• キーワード検索：これは、正確な文字列とのマッチングに依存する伝統的なアプローチである。 計算量は少ないが、同義語や多義語（複数の意味を持つ単語）を理解する能力に欠ける。 を理解する能力がない。）
• ゼロ・ショット・ラーニング:これは、学習中に初めて見た項目を認識したり分類したりするモデルの能力を指す。 意味検索エンジンはしばしばゼロショット能力を発揮する。 クラスタにマッピングすることができるからである。
• 自然言語理解 (NLU):NLUは、機械による読解に焦点を当てたNLPのサブセットである。NLUはクエリを解釈するインテリジェンスを提供する。 クエリを解釈するインテリジェンスを提供する一方、セマンティック検索はその解釈に作用する検索プロセスである。

厳密なキーワードマッチングを超えることで、セマンティック検索はコンピュータビジョンとテキストベースのシステムを可能にする。 コンピュータ・ビジョンとテキスト・ベースのシステムは より自然で "人間らしい "方法で人間と対話することができる。これらの機能を実装しようとする開発者にとって このような機能を実装しようとしている開発者にとって Ultralytics 類似検索ガイド を使用して、これらのコンセプトを適用するための実践的な手順を提供します。 YOLO11.