전체보기
시맨틱 검색은 텍스트를 키워드나 기타 전통적인 검색 방법에만 의존하는 것이 아니라 본질적인 의미나 맥락에 따라 검색하는 방법입니다.
시맨틱 검색은 텍스트를 벡터(숫자 배열)로 변환하는 AI 모델을 사용하여 수행되며, 이를 "임베딩"이라고 합니다. 만약 모델이 효과적이라면, 각 크기가 N인 벡터들 중 N차원 공간에서 서로 가까운 것들이 유사한 본질적이거나 시맨틱한 의미를 가진 것들입니다. 예를 들어, “마스크”의 임베딩 벡터는 “면 마스크”의 임베딩 벡터에 비해 “호흡기”의 임베딩 벡터보다 더 가까울 것입니다.
임베딩된 텍스트가 그 후에 온톨로지 내의 특정 오브젝트와 연관되어 있다면, 검색 기반 작업 워크플로가 훨씬 더 유용해집니다. 특정 검색 쿼리와 관련된 엔티티나 관련 엔티티를 찾는 것은 단순히 N차원 공간에서 가장 가까운 벡터를 찾는 것입니다.
시맨틱 검색과 관련된 다음의 문서 페이지를 검토해 보세요: