工程 · 深度词条
Semantic Retrieval(语义检索)
不是只找完全相同的关键词,而是根据问题与资料含义是否相近来召回内容。
四层解释
通俗
不是只找完全相同的关键词,而是根据问题与资料含义是否相近来召回内容。
专业
语义检索将查询与文档映射到向量空间,并按相似度或学习到的相关性函数排序候选。
机制
查询和文档使用兼容的 Embedding 编码;近邻索引检索候选,常与关键词、元数据过滤和 Reranking 结合。
工程
必须用真实查询和相关性标注评测 Recall@k、MRR 或 nDCG,并分析同义词、数字、专名和权限过滤。
全链路位置
INPUT查询、文档和 Embedding 模型
→PROCESS向量编码、近邻检索与过滤
→OUTPUT语义相关的候选结果
常见用途
- 企业搜索
- 问答召回
- 相似内容发现
专业边界
- 语义接近不等于能回答问题
- 数值和精确专名可能不如关键词稳定
常见误解
- 向量距离就是事实相关性
- 只要换更大 Embedding 就不需评测
先找得到,再谈回答得好
语义检索把问题与内容表示为向量,按相似性取回候选,能弥补表述不同但含义接近的情况。精确型号、编号和罕见专有词也可能更适合关键词匹配;Hybrid Search 将两类信号结合,而不是宣称一种方法完全取代另一种。
把检索失败和生成失败分开
工程判断
本站建议给问题标注所需证据,再检查候选中是否包含它。证据根本没被召回时,先改解析、分块、过滤或检索;证据已在输入中却答错时,再检查上下文与生成。相关度过滤不能替代用户访问权限。
Worked Example
问某型号如何退换
虚构教学示例,不对应真实业务数据或性能承诺。
- 构造查询
保留精确型号,同时提取用户描述的故障与退换意图。
- 组合召回
关键词寻找型号,语义检索寻找近义表达,再按生效日期与权限过滤。
- 检查证据
候选必须覆盖适用型号和退换条件;只有泛用政策时不编造具体资格。
先确认找到的是对的材料,再让模型解释。
来源与核对记录
S1Search ConceptsWeaviate · 官方技术文档 · 查阅 2026-10-20
↗S2Machine Learning GlossaryGoogle for Developers · 官方技术文档 · 查阅 2026-10-24
↗S3Semantic SearchSentence Transformers · 官方开源文档 · 查阅 2026-10-20
↗S4Retrieval-Augmented Generation for Knowledge-Intensive NLP TasksLewis et al. · 原始论文 · 查阅 2026-10-22
↗基础释义核对:2026-10-20。专题核对:2026-10-20。局部修订不代表旧正文全部复核,尚未完成外部专家审稿。