セマンティック検索および検出システム

利益:

セマンティック検索が、意味が近いキーワード検索では見逃される関連リソースをどのように見つけ出すかを理解し、両方の方法を適切な場所で一緒に使用できること。
情報源に基づいているかどうかに応じて、AI によってサポートされたディスカバリーシステムの概要を批判的に評価し、情報源に確認する能力。
ユーザーの漠然とした質問を明確にし、信頼性の観点から「関連性があるように見える」結果を区別する能力

ユーザーがカタログで「子供の睡眠問題」を検索すると、関連リソースのトップに「小児睡眠障害」というタイトルが表示されます。従来の検索では、単語と完全に一致するため、このソースがまったく表示されない場合があります。ここでセマンティック検索が登場します。セマンティック検索は、単語のスペルではなく意味に一致する検索形式です。この単元では、人工知能ベースのセマンティック検索および発見システムがどのように機能するか、それが図書館員に何をもたらすか、そしてどのような落とし穴があるかを学びます。

基本的な概念を定義しましょう。セマンティック検索の中心となるのは埋め込みです。これは、テキストの意味を数値ベクトル (意味座標の一種) に変換する技術です。意味が近いテキストは、この数値空間内で互いに近くなります。したがって、「睡眠問題」と「睡眠障害」は異なる言葉ですが、これらは近くに位置しており、一方を検索すると他方も見つかります。これは、キーワード検索では見逃される関連リソースをキャッチする力です。

ステップバイステップ: セマンティック検索の理解と使用

1. ユーザーの真意を理解する。セマンティック検索は、ユーザーの意味を捉えようとします。図書館員としてのあなたの仕事は、ユーザーの漠然とした質問を明確にし、検索システムに正しい入力を与えることです。

2. キーワードとセマンティック検索を併用します。セマンティック検索では、関連するが異なる単語を含むリソースが検索されます。キーワード検索は、正確な用語、名前、コード (著者名、法律番号) を探す場合により信頼性が高くなります。優れた図書館員は両方を使います。

3. 結果を批判的に評価します。セマンティック検索は「関連性があると思われる」結果を返します。しかし、関連性があるように見えることは、正確であることや信頼できることを意味するものではありません。結果の出所と適時性を評価します。

4. ユーザーの検索戦略を教えます。検索システムは強力ですが、ユーザーは単一の単語で検索することがよくあります。図書館員の仕事の 1 つは、ユーザーに検索の仕方を教えることです。

ヒント: セマンティック検索は、非常に正確な情報 (特定の ISBN、完全なタイトル、著者によるすべての作品) を検索する場合、キーワード/ドメイン検索よりも弱い場合があります。「意味が近い」他の結果を混乱させるからです。正確な情報を得るにはドメインベースの検索を使用し、発見とトピックの参照にはセマンティック検索を使用します。

発見システムと AI を活用した要約

最新の検出システムは、もはや結果のリストを提供するだけではありません。 AI を使用して、質問に対する直接的な要約回答を生成するものもあります。これは強力ですが危険な傾向です。システムがコレクション内の実際の情報源に基づいて概要を生成し、その情報源を引用すると便利です。しかし、システムが出典を引用せずに自身の一般的な記憶から回答を生成する場合、これには幻覚の危険が伴い、ユーザーに誤った情報を与える可能性があります。

ライブラリアンの役割は、そのような要約がソースベースであるかどうかをユーザーに伝えることです。「システムが提示する概要がスタート、元の情報源に行き、そこで検証せよ」というメッセージが情報リテラシーの基本です。

注意: AI を利用した調査概要で情報源が引用されている場合でも、引用された情報源が実際にその情報を裏付けているとは考えないでください。場合によっては、システムが正しいソースを表示しても、間違った概要が返されることがあります。重要な用途については、ユーザーと一緒にリソースの関連セクションを開いて確認してください。

ミニケース3個

ケース 1 — エスケープされたソースが見つかりました。ある研究者は「都市のヒートアイランド」に関するリソースを探していましたが、コレクションの中で最も優れた研究のタイトルは「都市の温熱快適性」でした。キーワード検索はこれを見逃していました。セマンティック検索では、セマンティックな近接性のおかげで、上位 5 件の結果の中にこれが返されました。研究者は、他の方法では見ることのできなかった源に到達しました。

ケース 2 — 誤解を招く「関心」。あるユーザーは「フランス革命の経済的原因」を検索しました。セマンティック検索では、一般に「革命と経済」をテーマにしているものの、フランス革命とは関係のないいくつかの情報源もランク付けされました。図書館員は、これらの「関連性があるように見える」結果が実際にはトピックに対応していないことに気づき、ユーザーを正しいリソースに誘導しました。

ケース 3 — 概要の検証。ディスカバリーシステムは質問に対する AI の概要を提供し、2 つの情報源を引用しました。図書館員は資料を開いた。一人は要約を支持し、もう一人は要約の内容と反対のことを言った。システムがリソースを誤って解釈しました。図書館員は利用者に正しい情報源と実際の発見物を示しました。

コピー可能な 4 つのテンプレート

1) 検索語の拡張:

セマンティック検索とキーワード検索のために、以下の検索トピックを充実させます。同義語、関連用語、および可能な形式的/技術的同等物をリストします。トピックに本当に関連する用語のみを提案します。件名: [ここ]

2) ユーザーの質問を明確にする:

次のような漠然としたユーザーの質問 (範囲、期間、ジャンル、言語など) を明確にするために尋ねるべき 3 つの明確な質問を提案します。ユーザーの意図を想定せず、オプションを提示してください。質問: [ここ]

3) 結果の関連性の評価:

以下は、検索トピックと、返された結果のタイトル/概要です。各結果がトピックとどの程度関連しているかを「高/中/低」で評価し、その理由を 1 文で説明します。与えられたテキストに頼ってください。トピック: [こちら] / 結果: [こちら]

4) 要約ソースの一貫性チェック:

以下は要約とその根拠となっていると主張されるソーステキストです。要約内のすべての主張は実際にソーステキストに存在しますか?項目ごとに「サポート/非サポート/部分的」にマークを付けます。概要: [こちら] / 出典: [こちら]

弱いプロンプト / 強いプロンプト

弱いプロンプト:

この件に関する最良のリソースを挙げてください。

AI は、実際に存在するリソースから、どのコレクションから、どのような基準に従って選択すればよいのかを知りません。一般的な記憶からでっちあげの「ベスト」リストを作成できる。

強力なプロンプト:

あなたの役割: スカウトアシスタント。以下は、スカウトシステムから返された検索トピックと 15 件の実際の結果 (タイトル + 要約) です。トピックとの関連性に従ってこれら 15 個の結果をリストし、それぞれについて 1 文で正当性を示します。リストに新しいソースを追加して、リストを作成します。トピック: [こちら] / 結果: [こちら]

強力なプロンプトにより、AI が実際の結果セットに制限され、評価されます。これにより、一般的なメモリからの作成や検索が防止されます。

検索タイプ比較表

ステータス

最良の方法

なぜ

正確なタイトル/ISBN/著者

フィールド/キーワード

1対1のマッチングは信頼できる

トピックの探索、さまざまな用語

セマンティック検索

意味の近さを捉える

現在の出来事/名詞

キーワード + 日付

正確さと適時性

関連しているが別の名前のソース

セマンティック検索

同義語を見つける

よくある間違い

セマンティック検索を使用して正確な情報を取得します。 ISBN または完全なタイトルのドメイン検索の方が信頼性が高くなります。
「関連性があると思われるもの」が真実であると仮定します。意味が近いことは、信頼性や正確性を保証するものではありません。
ソースを見ずにAIの概要を与える。要約は出典を誤解している可能性があります。
ユーザーの漠然とした質問が明確になっていない。間違った入力は間違った結果をもたらします。
1 つの方法のみを使用します。セマンティック検索とキーワード検索を併用するのが最善です。

要約すると

セマンティック検索および発見システムは、単語ではなく意味を照合することで、キーワード検索で見逃した関連リソースを見つけ、発見を強化します。 AI を活用した要約は利便性を提供しますが、幻覚や出典の誤解のリスクを伴います。図書館員の仕事。セマンティック検索とキーワード検索を併用し、「関連性があると思われる」ものを批判的に評価し、AI の概要をソースで検証し、ソースベースで確認する検索習慣をユーザーに教えます。

アプリケーションタスク

トピックを選択し、キーワード検索と意味検索 (該当する場合) の両方を実行します。 2 つの結果セットを比較します。セマンティック検索ではどのような追加リソースが見つかりましたか。どのような無関係な結果が混同されたのでしょうか? AI を活用した概要を生成し (またはサンプルの概要を取得し)、「概要とソースの整合性チェック」テンプレートを使用して、概要内の主張が実際にソース内に存在するかどうかを確認します。

チェックリスト

[ ] 正確な情報を得るためにドメイン/キーワードを使用し、発見のためにセマンティック検索を使用しました。
[ ] ユーザーの漠然とした質問を明確にしました。
[ ] 「関連性があると思われる」結果の信頼性を評価しました。
[ ] AIまとめをオリジナルソースで検証しました。
[ ] ユーザーのソースベースの検索習慣について説明しました。