Hoe werkt het?
Je zoekopdracht wordt omgezet in een embedding en vergeleken met de embeddings van je documenten in een vector store. Het systeem geeft de inhoudelijk dichtstbijzijnde resultaten terug, niet de resultaten met exact dezelfde woorden.
Iemand zoekt op "energiekost verlagen" en vindt ook je pagina over "besparen op stookkosten".
Waarvoor dient het?
- Betere zoekfuncties op je website of in je documenten
- FAQ- en kennisbankvragen beantwoorden, ook als de bezoeker andere woorden gebruikt
- De ophaalstap (retrieval) in RAG, waar een AI-assistent op steunt
- Productzoeken en aanbevelingen
Trefwoord zoeken vs. semantisch zoeken
Een klassieke zoekfunctie matcht op exacte woorden: staat het woord er niet in, dan vindt ze niets. Semantisch zoeken begrijpt de bedoeling en vindt ook synoniemen, omschrijvingen en verwante formuleringen. Voor een FAQ van tien vragen volstaat trefwoordzoeken; voor honderden pagina's content maakt semantisch zoeken het verschil.
Verwante begrippen
- Embeddings: de betekenisvectoren die semantisch zoeken mogelijk maken.
- Vector store: de database die op betekenis doorzoekt.
- RAG: gebruikt semantisch zoeken om de juiste info op te halen.
