Hybrid Search

Geleneksel anahtar kelime eşleştirmenin hassasiyetini modern yapay zekânın bağlamsal kavrayışıyla birleştiren bu arama yöntemi, seyrek ve yoğun veri temsillerinden birlikte yararlanarak bilgileri bulur ve sıralar. Standart bir arama motoru tamamen tam anahtar kelime eşleşmelerine ( sözcüksel arama olarak bilinir) dayanırken, vektör arama motorları yalnızca anlamsal benzerliğe dayanır; hibrit arama motoru ise bu iki yaklaşımı birleştirerek son derece isabetli ve bağlamı dikkate alan sonuçlar sunar.

Nasıl Çalışır#

Tipik bir hibrit arama işlem hattı, iki ayrı erişim yöntemini eşzamanlı olarak çalıştırır ve çıktılarını tek, optimize edilmiş bir sıralamada birleştirir:

• Sözcüksel (Seyrek) Arama: Terim sıklığına göre tam anahtar kelime eşleşmelerini puanlamak için BM25 gibi algoritmalar kullanır. Bu yöntem, tamamen anlamsal bir modelin tanımlamakta zorlanabileceği belirli varlıkları, kısaltmaları, ürün SKU'larını veya özel jargonları bulmak için kritik öneme sahiptir.
• Anlamsal (Yoğun) Arama: Bir sorgunun daha derin anlamını ve bağlamını kavramak için yapay zekâ modelleriyle çok boyutlu sayı dizileri oluşturur. Böylece arama sorgusunda tam sözcükler bulunmasa bile sistem ilgili sonuçları bulabilir.

Her iki yöntem de aday sonuçlarını bulduktan sonra bir birleştirme algoritması—en yaygın olarak Karşılıklı Sıra Birleştirme (RRF)—listeleri bir araya getirir. RRF, her öğenin ilgili seyrek ve yoğun sonuç kümelerindeki sıralamasına göre yeni bir puan hesaplar. Bu sayede aramalardan birinde veya her ikisinde üst sıralarda yer alan belgeler en başa çıkar; geniş bağlamsal eşleşmeler ile hassas anahtar kelime doğruluğu dengelenir.

Gerçek Dünya AI ve ML Uygulamaları#

Modern yapay zekâ mimarileri, üretim ortamlarında tek bir erişim yöntemi kullanmanın sınırlamalarını aşmak için büyük ölçüde bu tekniğe dayanır.

• Hibrit RAG (Erişim Destekli Üretim): Kurumsal bilgi sistemlerinde, Büyük Dil Modeline (LLM) en ilgili bağlamı sunmak, halüsinasyonları önlemek açısından kritik öneme sahiptir. Hibrit RAG kurulumu, modelin hem tam teknik kısıtlamalara uyan belgeleri bulmasını hem de anlamsal olarak ilişkili paragrafları getirmesini sağlar.
• E-Ticaret ve Görsel Ürün Keşfi: Perakendeciler, ürün kataloglarını güçlendirmek için hibrit aramadan yararlanır. Kullanıcı "kırmızı koşu ayakkabısı" arayabilir. Sözlüksel arama motoru tam marka veya kategori anahtar kelimelerini eşleştirirken bir görüntü yapay zekâ modeli, görsel olarak benzer ürünleri bulmak için görüntü gömmelerini kullanır.

Bugün Pinecone, Qdrant ve OpenSearch dâhil neredeyse tüm büyük vektör veri tabanları hibrit aramayı yerel olarak destekliyor; PostgreSQL de pgvector ile yerleşik tam metin aramasını birlikte kullanabiliyor. Bu sayede geliştiriciler seyrek anahtar kelimeleri ve yoğun vektörleri tek bir altyapıda verimli biçimde dizinleyebiliyor.

Hibrit Arama için Üst Veri Oluşturma#

Bilgisayarlı görü işlem hatlarında, hibrit indeksin seyrek bileşenini oluşturmak için görüntülerden anlamlı anahtar kelimeler çıkarabilirsin. Ultralytics YOLO26 kullanarak bir görüntüde otomatik olarak nesne tespiti yapabilir ve sınıf adlarını üst veri etiketleri olarak kullanabilirsin. Ardından kapsamlı indeksleme için bu anahtar kelime etiketlerini görüntünün yoğun vektör gömmeleriyle eşleştirebilirsin.

from ultralytics import YOLO

# Önerilen Ultralytics YOLO26 nesne algılama modelini yükle
model = YOLO("yolo26n.pt")

# Bir görüntüdeki nesneleri tespit etmek için çıkarım çalıştır
results = model("store_aisle.jpg")

# Anahtar kelime üst verisi (seyrek veri) olarak indekslenecek tahmin edilen sınıf adlarını çıkar
keywords = [model.names[int(box.cls)] for box in results[0].boxes]
print("Sparse keywords for lexical search:", keywords)

Geliştiriciler yoğun görüntü gömmelerini yapay zekâ tarafından oluşturulmuş, kesin ve seyrek anahtar kelimelerle zenginleştirerek Ultralytics Platformu ve hibrit aramayı destekleyen vektör veri tabanları üzerinden verilerinin hem açık metin etiketlerini hem de örtük görsel bağlamını anlayan sağlam çok modlu arama motorları oluşturabilir.