Anlamsal Arama

Semantik Arama Nasıl Çalışır?

Semantik arama, özünde metin veya diğer veri türlerinde gömülü olan anlamı deşifre etmek için NLP ve Makine Öğrenimi (ML) kavramlarından yararlanır. Süreç genellikle verilerin (kelimeler, cümleler, belgeler ve hatta görüntüler gibi) gömme adı verilen sayısal temsillere dönüştürülmesini içerir. Tipik olarak yüksek boyutlu vektörler olan bu katıştırmalar, verilerin anlamsal özünü yakalar. Benzer anlamlara, kavramlara veya bağlamlara sahip öğeler bu vektör uzayında birbirine daha yakın konumlandırılır.

Bir kullanıcı bir arama gerçekleştirdiğinde, sorgusu (doğal dil metni, bir resim vb. olabilir) aynı makine öğrenimi modeli kullanılarak bir gömüye dönüştürülür. Sistem daha sonra, dizininde gömülmeleri sorgu gömülmesine en yakın (en benzer) öğeleri verimli bir şekilde bulmak için genellikle Pinecone veya Milvus gibi özel vektör veritabanları tarafından desteklenen vektör arama tekniklerini kullanır. Bu benzerlik genellikle kosinüs benzer liği veya Öklid mesafesi gibi mesafe metrikleri kullanılarak ölçülür. Dönüştürücüler (örn. BERT) gibi mimariler de dahil olmak üzere gelişmiş derin öğrenme (DL) modelleri, bu güçlü, bağlama duyarlı katıştırmaları oluşturmak için sıklıkla kullanılır. Google Arama gibi büyük arama motorları, basit anahtar kelime sıklığının ötesinde sonuç kalitesini artırmak için yıllardır semantik anlayışı kullanmaktadır.

Anlamsal Arama Uygulamaları

Anlamsal arama, kullanıcı amacını veya veri bağlamını anlamanın çok önemli olduğu çeşitli uygulamaları geliştirir:

• Geliştirilmiş Web Araması: Bir aramanın arkasındaki konuyu ve amacı anlamak için anahtar kelimelerin ötesine geçmek (örneğin, "kışın kuzey ışıklarını görmek için en iyi yer" araması, yalnızca tam olarak bu kelimeleri içeren sayfalar değil, belirli konumlar ve ideal zamanlar hakkında sonuçlar verir).
• E-ticaret Ürün Keşfi: Kullanıcıların tanımlayıcı, doğal bir dil kullanarak ürün aramasına izin vermek (örneğin, belirli markaları veya ürün adlarını bilmek yerine "tüm gün ayakta durmak için rahat ayakkabılar" bulmak). Bu genellikle tavsiye sistemleri ile entegre olur.
• Dahili Bilgi Yönetimi: Bir kuruluş içindeki çalışanların kavramlara ve anlama dayalı arama yaparak ilgili belgeleri, raporları veya uzmanlığı bulmalarını sağlamak, Ultralytics HUB gibi araçlarda bilgi erişimini iyileştirmek.
• Müşteri Destek Sohbet Robotları: Kullanıcı sorularını daha iyi anlamak ve genellikle Büyük Dil Modellerinden (LLM'ler) yararlanarak daha doğru yanıtlar veya ilgili yardım makaleleri sağlamak için sohbet robotlarını ve sanal asistanları güçlendirmek.
• İçerik Önerisi: Kullanıcının daha önce etkileşimde bulunduğu içerikle anlamsal benzerliğe dayalı olarak makale, video veya müzik önerme. Spotify gibi platformlar benzer kavramları kullanır.
• Veri Keşfi: Ultralytics Explorer Dashboard gibi araçlar, kullanıcıların bilgisayarla görmede (CV) kullanılan görüntü veri kümeleri de dahil olmak üzere büyük veri kümelerinde gezinmesine ve anlamasına yardımcı olmak için anlamsal benzerliği kullanabilir. Örneğin, COCO gibi bir veri kümesinde seçilen bir görüntüye anlamsal olarak benzer görüntüleri bulmak.

Anlamsal Arama ve İlgili Kavramlar

Anlamsal aramayı ilgili terimlerden ayırmak faydalı olacaktır:

• Anahtar Kelime Arama: Bu geleneksel yaklaşım, bir sorgudaki gerçek kelimeleri veya kelime öbeklerini tam olarak bu terimleri içeren belgelerle eşleştirir. Eş anlamlıları, bağlamı veya kullanıcı niyetini anlamaktan yoksundur. Anlamsal arama bu sınırlamaların üstesinden gelmeyi amaçlar.
• Vektör Arama: Bu, vektör gömülmelerinin yakınlığına dayalı olarak benzer öğeleri bulmak için kullanılan bir yöntemdir. Vektör araması, birçok modern anlamsal arama uygulamasının temel bir bileşeni olsa da (verimli erişim kısmını ele alır), anlamsal arama, genellikle sofistike NLP modelleri aracılığıyla, ilk etapta sorgunun ve verilerin anlamını ve bağlamını anlamayı içeren daha geniş bir kavramdır.
• Bilgi Grafiği: Bir bilgi grafiği, bilgiyi varlıklar ve ilişkiler olarak yapılandırır. Yapılandırılmış bağlam sağlayarak ve karmaşık akıl yürütmeye olanak tanıyarak anlamsal aramayı önemli ölçüde geliştirebilirken(SPARQL sorguları burada yaygındır), anlamsal arama, açık bir çizge yapısı olmadan katıştırmalar kullanarak doğrudan yapılandırılmamış veriler üzerinde de çalışabilir. Bunlar birbirini tamamlayan teknolojilerdir.
• Adlandırılmış Varlık Tanıma (NER): NER, metindeki belirli varlıkları (isimler, yerler, kuruluşlar gibi) tanımlar. Anahtar kavramları çıkararak semantik aramayı besleyen bir NLP boru hattı içinde bir adım olabilir, ancak genel anlam ve benzerliğe odaklanan semantik aramanın kendisi değildir.

Anlamsal arama, daha akıllı ve kullanıcı dostu yapay zeka sistemlerinin oluşturulmasında hayati bir rol oynar ve günlük web aramalarından özel yapay zeka uygulamalarına kadar çeşitli alanlarda daha etkili bilgi erişimi ve etkileşim için insan dili ile makine anlayışı arasında köprü kurar. Ultralytics YOLOUltralytics HUB içinde görsel arama veya analiz için modeller.