Tìm kiếm ngữ nghĩa

Tìm kiếm ngữ nghĩa là gì?

Tìm kiếm ngữ nghĩa là kỹ thuật tìm kiếm hiểu được ý nghĩa đằng sau truy vấn thay vì chỉ so khớp từ khóa. Khi khách hàng hỏi "làm sao để lấy lại tiền?", tìm kiếm theo từ khóa sẽ tìm các tài liệu chứa đúng những từ đó. Tìm kiếm ngữ nghĩa hiểu rằng khách hàng muốn nói đến "hoàn tiền" và tìm ra chính sách hoàn tiền — kể cả khi từ "tiền" không hề xuất hiện trong tài liệu.

Khả năng này dựa trên AI embedding, chuyển văn bản thành các biểu diễn số của ý nghĩa. Truy vấn và tài liệu có ý nghĩa tương đồng sẽ nằm gần nhau trong không gian vector, giúp hệ thống tìm kiếm tìm ra kết quả liên quan về mặt khái niệm.

Tìm kiếm ngữ nghĩa vận hành AI dịch vụ khách hàng như thế nào

Tìm kiếm ngữ nghĩa là nền tảng của Retrieval-Augmented Generation (RAG) — kiến trúc mà hầu hết tác tử AI sử dụng để tìm thông tin chính xác. Khi khách hàng đặt câu hỏi:

1. Câu hỏi được chuyển thành embedding (biểu diễn số của ý nghĩa)
2. Tìm kiếm ngữ nghĩa tìm các tài liệu liên quan nhất trong cơ sở tri thức bằng cách so sánh độ tương đồng của embedding
3. Các tài liệu này được cung cấp cho AI làm ngữ cảnh để tạo câu trả lời
4. AI đưa ra câu trả lời có căn cứ dựa trên nội dung đã truy xuất

Quá trình này diễn ra trong vài mili giây, cho phép phản hồi theo thời gian thực vừa chính xác vừa phù hợp ngữ cảnh.

Tìm kiếm ngữ nghĩa so với tìm kiếm theo từ khóa

• Tìm kiếm theo từ khóa: Tìm các từ khớp chính xác. Nhanh và chính xác với thuật ngữ đã biết, nhưng bỏ sót các kết quả khớp về khái niệm và thất bại khi khách hàng dùng thuật ngữ khác với tài liệu của bạn.
• Tìm kiếm ngữ nghĩa: Tìm các kết quả khớp về ý nghĩa. Xử lý được từ đồng nghĩa, cách diễn đạt khác và truy vấn mang tính khái niệm. Phù hợp hơn với câu hỏi bằng ngôn ngữ tự nhiên nhưng cần hạ tầng embedding.
• Tìm kiếm kết hợp: Kết hợp cả hai cách. Dùng so khớp từ khóa cho tra cứu chính xác và so khớp ngữ nghĩa cho truy vấn mang tính khái niệm. Đây là cách tiếp cận mà hầu hết các nền tảng AI doanh nghiệp sử dụng.

Bối cảnh kỹ thuật: Microsoft Research nhận thấy việc kết hợp truy xuất từ đồ thị tri thức với RAG ngữ nghĩa giúp cải thiện độ chính xác thông tin khoảng 23%, cho thấy tìm kiếm ngữ nghĩa kết hợp với tri thức có cấu trúc vượt trội đáng kể so với chỉ dùng tìm kiếm theo từ khóa.

Lợi thế của Maven: Đồ thị tri thức + tìm kiếm ngữ nghĩa

Maven AGI kết hợp tìm kiếm ngữ nghĩa với việc duyệt đồ thị tri thức — không chỉ hiểu nội dung nào tương đồng về ngữ nghĩa với truy vấn, mà còn hiểu các khái niệm liên quan với nhau về mặt cấu trúc ra sao. Nhờ đó, Maven không chỉ truy xuất tài liệu liên quan nhất mà còn toàn bộ ngữ cảnh về các chính sách, quy trình và thông tin sản phẩm liên quan cần thiết để giải quyết chính xác.

Minh chứng từ Maven: K1x đạt tỷ lệ giải quyết 80% với Maven AGI cho các truy vấn tài chính phức tạp, nơi việc truy xuất chính xác đúng chính sách và quy trình là yếu tố thiết yếu — cho thấy chất lượng tìm kiếm ngữ nghĩa quyết định trực tiếp chất lượng giải quyết.

Câu hỏi thường gặp

Tìm kiếm ngữ nghĩa có hoạt động đa ngôn ngữ không?

Có. Các mô hình embedding đa ngôn ngữ có thể so khớp truy vấn bằng một ngôn ngữ với tài liệu bằng ngôn ngữ khác. Khách hàng đặt câu hỏi bằng tiếng Pháp vẫn có thể được đối chiếu với tài liệu tiếng Anh, cho phép hỗ trợ đa ngôn ngữ mà không cần dịch toàn bộ cơ sở tri thức.

Tìm kiếm ngữ nghĩa chính xác đến mức nào?

Độ chính xác phụ thuộc vào chất lượng embedding, cách tổ chức nội dung và độ phức tạp của truy vấn. Với cơ sở tri thức có cấu trúc tốt, nội dung rõ ràng và đầy đủ, tìm kiếm ngữ nghĩa đạt độ chính xác truy xuất cao. Hiệu suất giảm khi truy vấn mơ hồ, nội dung tổ chức kém hoặc thuật ngữ quá chuyên biệt chưa được thể hiện tốt trong mô hình embedding.

Tìm kiếm ngữ nghĩa có thay thế tìm kiếm theo từ khóa không?

Không hoàn toàn. Trên thực tế, cách tiếp cận kết hợp giữa tìm kiếm ngữ nghĩa và từ khóa cho hiệu quả tốt nhất. Tìm kiếm theo từ khóa vượt trội khi tìm các mã định danh cụ thể (số đơn hàng, mã sản phẩm), còn tìm kiếm ngữ nghĩa vượt trội trong việc hiểu câu hỏi bằng ngôn ngữ tự nhiên.