Uitgebreide Uitleg
Semantic Search begrijpt de intentie en context achter een zoekopdracht in plaats van alleen keywords te matchen. Waar traditioneel zoeken naar "apple" alleen exact dat woord vindt, vindt semantic search ook "fruit", "iPhone maker", of "tech company" afhankelijk van context.
Dit werkt via embeddings: teksten worden omgezet naar vector representaties die betekenis vastleggen. Documents met vergelijkbare betekenis krijgen vergelijkbare vectors. Wanneer je zoekt, wordt je query ook een vector en het systeem vindt de meest semantisch vergelijkbare resultaten, niet alleen keyword matches.
De voordelen zijn enorm voor kennisbases, documentatie, en enterprise search. Gebruikers kunnen in natuurlijke taal zoeken ("hoe reset ik mijn password?") en relevante resultaten vinden ook als de documentatie andere woorden gebruikt ("wachtwoord opnieuw instellen"). Het voelt veel intuïtiever dan oude keyword search.
Praktijkvoorbeeld
Een Nederlandse kennisbank implement semantic search en ziet 60% meer succesvolle searches. Waar mensen eerst precies de juiste keywords moesten raden, kunnen ze nu vragen: "Hoe vraag ik vakantie aan?" en vinden ze documenten over "verlof aanvragen", "vrije dagen procedure", en "afwezigheid melden".
Veelgebruikte Zoektermen
Gerelateerde Termen
Embeddings
Embeddings
Numerieke representaties van data (zoals woorden of afbeeldingen) die betekenis vastleggen in een vector.
Vector Database
Vector Database
Een database geoptimaliseerd voor opslaan en snel zoeken van embeddings (vector representaties).
Retrieval-Augmented Generation
Retrieval-Augmented Generation (RAG)
Een techniek waarbij een AI-model externe kennisbronnen raadpleegt voordat het een antwoord genereert.