Semantisch zoeken vindt resultaten op basis van wat je bedoelt, niet alleen de woorden die je typte. Een klassieke zoekmachine matcht tekens, dus voor zo’n machine lijken ‘auto’ en ‘wagen’ niets met elkaar te maken te hebben. Semantisch zoeken snapt dat ze naar hetzelfde idee wijzen, en dat maakt het veel beter in het omgaan met de rommelige manier waarop echte mensen vragen stellen.
Stel je voor dat je een goedingewerkte collega vraagt waar ‘dat ding voor het koelen van de serverruimte’ staat. Die heeft de exacte term niet nodig; hij weet dat je de airco bedoelt. Semantisch zoeken werkt net zo. Het gebruikt embeddings om tekst om te zetten in numerieke vectoren die betekenis vangen, en zoekt dan de items waarvan de vectoren het dichtst bij elkaar liggen, meestal met hulp van een vectordatabase.
De keerzijde is dat semantisch zoeken soms te ruim kan zijn en dingen teruggeeft die qua geest verwant zijn maar niet zijn wat je zocht. Zoek op een exacte productcode en je krijgt soms net-verkeerde neefjes terug, want juist bij nummers en codes wint letterlijk matchen het van betekenis. Daarom mengen veel systemen het met ouderwets trefwoordmatchen, een aanpak die hybride zoeken heet, om zowel precisie als begrip te krijgen.
Het is ook de motor achter de meeste AI-assistenten die vragen beantwoorden over de eigen documenten van een bedrijf. De assistent doet eerst een semantische zoekopdracht om de paar relevante passages op te halen, en voert alleen die in het model. Zo blijven antwoorden geworteld in echte inhoud in plaats van giswerk.
Bij TopDevs bouwen we semantisch zoeken in producten van klanten, zodat hun klanten en medewerkers het juiste antwoord in gewone taal vinden, zelfs als ze de officiële term niet kennen.
