Klasyczna wyszukiwarka szuka słów. Semantyczna szuka sensu — i znajduje dokument, w którym nie padło ani jedno wpisane słowo.
Na czym polega
Tekst zamieniany jest na postać liczbową odzwierciedlającą znaczenie. Zapytanie przechodzi tę samą zamianę, a wyszukiwanie polega na znalezieniu najbliższych fragmentów.
Nie ma tu żadnego rozumienia. Jest pomiar odległości między liczbami. Mechanizm opisuje osobny tekst o osadzeniach — warto go przeczytać przed decyzją o wdrożeniu, bo od tego jednego elementu zależy jakość całości.
W praktyce dzieje się to w dwóch momentach. Raz przy zakładaniu indeksu: dokumenty są cięte na fragmenty i każdy fragment dostaje swoją postać liczbową. Drugi raz przy każdym zapytaniu: pytanie użytkownika przechodzi tę samą zamianę i zostaje porównane z zapisanymi fragmentami. Pierwszy etap trwa długo i robi się go rzadko, drugi trwa ułamek sekundy i powtarza się bez końca.
Co to zmienia
- zapytanie „odesłanie zakupu" znajduje wpis o zwrocie towaru,
- polska odmiana przestaje mieć znaczenie,
- literówka nie unieważnia wyszukiwania,
- synonimy działają bez ręcznego słownika,
- pytanie pełnym zdaniem daje sensowny wynik.
Odpada utrzymywanie słownika synonimów. Firma, która ręcznie dopisywała, że „faktura zakupowa" to również „dokument od dostawcy", odczuwa tę zmianę od pierwszego dnia.
Gdzie pomaga najbardziej
Tam, gdzie użytkownik nie zna słownictwa dokumentów: w bazach wiedzy, archiwach zgłoszeń i wyszukiwarkach sklepowych.
Wspólna cecha tych zbiorów to tekst pisany swobodnie, przez wiele osób, w różnych latach. Im mniej rygoru w zapisach, tym większa różnica względem wyszukiwania po literach. Przy dokumentach tworzonych według sztywnego szablonu przewaga topnieje.
Co trzeba przygotować
Zbiór dokumentów w postaci dającej się odczytać jako tekst. Skany bez warstwy tekstowej wymagają wcześniejszego rozpoznania. Do tego informacja, kto ma prawo widzieć który dokument, oraz rozstrzygnięcie, która wersja pliku jest obowiązująca. Bez tego wyszukiwanie zwróci nieaktualny załącznik z taką samą pewnością co aktualny.
Przy dokumentach obowiązujących w kilku wersjach potrzebna jest jeszcze zasada, która wersja trafia do wyników, a która zostaje poza indeksem. Archiwum wciągnięte razem z bieżącą treścią to najczęstsza przyczyna wyników poprawnych technicznie i błędnych merytorycznie.
Czego nie robi
Nie rozumie i nie ocenia. Znajduje fragmenty najbliższe znaczeniowo, co bywa czymś innym niż odpowiedź na pytanie.
Nie rozstrzyga też sprzeczności. Jeśli dwa dokumenty mówią co innego, oba trafią na listę wyników i to człowiek musi zdecydować, który obowiązuje.
Warunek przydatności
Treść, w której jest co znaleźć. Wyszukiwanie nie wytworzy informacji, której nikt nie zapisał.
Drugi warunek to skala i rodzaj pytań. Przy kilkudziesięciu plikach z porządnymi tytułami zwykła lista bywa szybsza, a przy szukaniu numeru dokumentu dopasowanie dosłowne wypada lepiej. Sytuacje, w których cała ta konstrukcja jest zbędna, zebrano w tekście o tym, kiedy semantyczne nie jest potrzebne.
Jak sprawdzić u siebie
Wypisać kilkadziesiąt pytań, które ludzie faktycznie zadają, i sprawdzić, ile z nich obsługuje dzisiejsza wyszukiwarka. Ta lista jest jednocześnie miarą sensu wdrożenia i materiałem do późniejszej oceny jakości.
