البحث الدلالي

ما هو البحث الدلالي؟

البحث الدلالي تقنية بحث تفهم المعنى الكامن وراء الاستعلام بدلًا من الاكتفاء بمطابقة الكلمات المفتاحية. فعندما يسأل العميل «كيف أستعيد أموالي؟»، يبحث البحث بالكلمات المفتاحية عن مستندات تحتوي على هذه الكلمات بعينها. أما البحث الدلالي فيدرك أن العميل يقصد «استرداد المبلغ» ويعثر على سياسة الاسترداد، حتى لو لم ترد كلمة «أموال» في المستند إطلاقًا.

وتعتمد هذه القدرة على التضمينات في الذكاء الاصطناعي التي تحوّل النص إلى تمثيلات رقمية للمعنى. وتتقارب الاستعلامات والمستندات ذات المعاني المتشابهة في الفضاء المتجهي، ما يمكّن نظام البحث من العثور على نتائج ذات صلة من حيث المفهوم.

كيف يدعم البحث الدلالي الذكاء الاصطناعي في خدمة العملاء

يُعد البحث الدلالي أساس التوليد المعزَّز بالاسترجاع (RAG)، وهي البنية التي يستخدمها معظم وكلاء الذكاء الاصطناعي للعثور على معلومات دقيقة. فعندما يطرح العميل سؤالًا:

1. يُحوَّل السؤال إلى تضمين (تمثيل رقمي لمعناه)
2. يعثر البحث الدلالي على المستندات الأكثر صلة في قاعدة المعرفة بمقارنة مدى التشابه بين التضمينات
3. تُقدَّم هذه المستندات إلى الذكاء الاصطناعي كسياق لتوليد إجابته
4. يُنتج الذكاء الاصطناعي إجابة مستندة إلى المحتوى المسترجع

وتتم هذه العملية في أجزاء من الثانية، ما يتيح استجابات فورية دقيقة وملائمة للسياق.

البحث الدلالي مقارنةً بالبحث بالكلمات المفتاحية

• البحث بالكلمات المفتاحية: يعثر على التطابقات الحرفية للكلمات. وهو سريع ودقيق مع المصطلحات المعروفة، لكنه يغفل التطابقات المفاهيمية ويُخفق عندما يستخدم العملاء مصطلحات تختلف عن تلك الواردة في وثائقكم.
• البحث الدلالي: يعثر على التطابقات في المعنى. ويتعامل مع المرادفات وإعادة الصياغة والاستعلامات المفاهيمية. وهو أفضل للأسئلة باللغة الطبيعية، لكنه يتطلب بنية تحتية للتضمينات.
• البحث الهجين: يجمع بين النهجين، إذ يستخدم مطابقة الكلمات المفتاحية لعمليات البحث الدقيقة والمطابقة الدلالية للاستعلامات المفاهيمية. وهو النهج الذي تعتمده معظم منصات الذكاء الاصطناعي المؤسسية.

السياق التقني: وجدت Microsoft Research أن الجمع بين الاسترجاع من الرسم البياني المعرفي وRAG الدلالي حسّن الدقة المعلوماتية بنحو 23%، ما يثبت أن البحث الدلالي المقترن بالمعرفة المنظّمة يتفوق بشكل ملحوظ على البحث بالكلمات المفتاحية وحده.

ميزة Maven: الرسم البياني المعرفي + البحث الدلالي

تجمع Maven AGI بين البحث الدلالي والتنقّل عبر الرسم البياني المعرفي، فلا تكتفي بفهم المحتوى المشابه دلاليًا للاستعلام، بل تفهم أيضًا كيفية ارتباط المفاهيم ببعضها هيكليًا. ويمكّن ذلك Maven من استرجاع ليس المستند الأكثر صلة فحسب، بل السياق الكامل للسياسات ومسارات العمل وتفاصيل المنتجات المرتبطة اللازمة لحل دقيق.

دليل من Maven: حققت K1x نسبة حل بلغت 80% مع Maven AGI في الاستفسارات المالية المعقدة، حيث يُعد الاسترجاع الدقيق للسياسات والإجراءات الصحيحة أمرًا جوهريًا، ما يثبت أن جودة البحث الدلالي تنعكس مباشرة على جودة الحل.

الأسئلة الشائعة

هل يمكن أن يعمل البحث الدلالي عبر لغات متعددة؟

نعم. إذ تستطيع نماذج التضمين متعددة اللغات مطابقة استعلامات بلغة ما مع مستندات بلغة أخرى. فيمكن مطابقة سؤال يطرحه عميل بالفرنسية مع وثائق باللغة الإنجليزية، ما يتيح دعمًا متعدد اللغات دون ترجمة قاعدة المعرفة بالكامل.

ما مدى دقة البحث الدلالي؟

تعتمد الدقة على جودة التضمينات وتنظيم المحتوى ومدى تعقيد الاستعلام. ففي قواعد المعرفة المنظّمة جيدًا ذات المحتوى الواضح والشامل، يحقق البحث الدلالي دقة استرجاع عالية. ويتراجع الأداء مع الاستعلامات الغامضة أو المحتوى سيئ التنظيم أو المصطلحات شديدة التخصص غير الممثَّلة جيدًا في نموذج التضمين.

هل يحل البحث الدلالي محل البحث بالكلمات المفتاحية؟

ليس تمامًا. فالنهج الهجين الذي يجمع بين البحث الدلالي والبحث بالكلمات المفتاحية يحقق أفضل أداء عمليًا. إذ يتفوق البحث بالكلمات المفتاحية في العثور على معرّفات محددة (أرقام الطلبات، ورموز المنتجات)، بينما يتفوق البحث الدلالي في فهم الأسئلة باللغة الطبيعية.