Mga nadagdag:
- Ang kakayahang maunawaan kung paano nahahanap ng semantic search ang mga nauugnay na mapagkukunan na hindi nakuha ng paghahanap ng keyword, kasama ang pagkakalapit nito sa kahulugan, at upang magamit ang parehong mga pamamaraan nang magkasama sa lugar.
- Kakayahang kritikal na suriin ang mga buod na sinusuportahan ng AI ng mga sistema ng pagtuklas ayon sa kung ang mga ito ay batay sa pinagmulan o hindi at kumpirmahin ang mga ito sa pinagmulan.
- Kakayahang linawin ang hindi malinaw na tanong ng user at tukuyin ang 'tila may kaugnayan' na mga resulta sa mga tuntunin ng pagiging maaasahan
Hinahanap ng isang user sa catalog ang "mga problema sa pagtulog sa mga bata," ngunit ang nangungunang nauugnay na mapagkukunan ay pinamagatang "Mga sakit sa pagtulog ng bata." Maaaring hindi ipakita ng classic na paghahanap ang pinagmulang ito dahil eksaktong tumutugma ito sa mga salita. Dito pumapasok ang semantic na paghahanap: ito ay isang anyo ng paghahanap na tumutugma sa kahulugan ng mga salita, hindi sa kanilang pagbabaybay. Sa unit na ito, malalaman mo kung paano gumagana ang mga sistema ng paghahanap at pagtuklas na nakabatay sa artificial intelligence, kung ano ang dinadala ng mga ito sa librarian, at kung ano ang mga pitfalls na dala nila.
Tukuyin natin ang pangunahing konsepto. Sa gitna ng paghahanap ng semantiko ay ang pag-embed: ang pamamaraan ng pagbabago ng kahulugan ng isang teksto sa isang vector ng mga numero (isang uri ng kahulugan ng coordinate). Ang mga teksto na malapit sa kahulugan ay malapit sa isa't isa sa puwang ng numerong ito. Kaya, kahit na ang "problema sa pagtulog" at "karamdaman sa pagtulog" ay magkaibang mga salita, matatagpuan ang mga ito nang magkakalapit at ang paghahanap para sa isa ay mahahanap din ang isa. Ito ang kapangyarihan ng pagkuha ng mga nauugnay na mapagkukunan na hindi nakuha ng paghahanap ng keyword.
Hakbang-hakbang: pag-unawa at paggamit ng semantic na paghahanap
1. Unawain ang tunay na intensyon ng gumagamit. Sinusubukan ng semantic search na makuha kung ano ang ibig sabihin ng user. Ang iyong trabaho bilang librarian ay linawin ang hindi malinaw na tanong ng user at ibigay ang tamang input sa search system.
2. Gumamit ng mga keyword at semantic na paghahanap nang magkasama. Ang paghahanap ng semantiko ay nakakahanap ng mga mapagkukunan na may kaugnay ngunit magkaibang mga salita; Ang paghahanap ng keyword ay mas maaasahan kapag naghahanap ng eksaktong termino, pangalan o code (isang pangalan ng may-akda, isang numero ng batas). Parehong ginagamit ng magaling na librarian.
3. Kritikal na suriin ang mga resulta. Ang semantic na paghahanap ay nagbabalik ng mga resulta na "tila may-katuturan"; Ngunit ang paglitaw na may kaugnayan ay hindi nangangahulugan ng pagiging tumpak o mapagkakatiwalaan. Sinusuri mo ang pinagmulan at pagiging maagap ng mga resulta.
4. Ituro ang diskarte sa paghahanap ng gumagamit. Ang mga sistema ng pagtuklas ay makapangyarihan, ngunit madalas na naghahanap ang mga user gamit ang mga iisang salita. Ang isang gawain ng librarian ay turuan ang gumagamit na maghanap ng mas mahusay.
Tip: Ang semantic na paghahanap ay maaaring mas mahina kaysa sa paghahanap sa keyword/domain kapag naghahanap ng napakatumpak na impormasyon (isang partikular na ISBN, isang buong pamagat, lahat ay gawa ng isang may-akda); dahil ito ay nakalilito sa iba pang mga resulta na "malapit sa kahulugan". Gumamit ng domain-based na paghahanap para sa tumpak na impormasyon, at semantic na paghahanap para sa pagtuklas at pag-browse sa paksa.
Mga sistema ng pagtuklas at mga buod na pinapagana ng AI
Ang mga modernong sistema ng pagtuklas ay hindi na lamang nagbibigay ng mga listahan ng mga resulta; Ang ilan ay gumagawa ng direktang buod na sagot sa isang tanong na may AI. Ito ay isang malakas ngunit mapanganib na kalakaran. Ito ay kapaki-pakinabang kung ang system ay gumagawa ng mga buod batay sa aktwal na mga mapagkukunan sa koleksyon at binabanggit ang pinagmulan. Ngunit kung ang system ay bumubuo ng isang sagot mula sa sarili nitong pangkalahatang memorya nang hindi binabanggit ang pinagmulan, nagdadala ito ng panganib ng guni-guni at maaaring maling impormasyon sa gumagamit.
Ang tungkulin ng librarian ay sabihin sa gumagamit kung ang mga naturang buod ay batay sa pinagmulan o hindi. Ang mensaheng "Ang buod na ibinigay ng system ay isang simula; pumunta sa orihinal na pinagmulan at i-verify doon" ang batayan ng kaalaman sa impormasyon.
Pag-iingat: Kahit na binanggit ng isang buod ng pagtuklas na pinapagana ng AI ang isang pinagmulan, huwag ipagpalagay na talagang sinusuportahan ng binanggit na pinagmulan ang impormasyong iyon. Minsan ipinapakita ng system ang tamang pinagmulan ngunit nagbabalik ng maling buod. Para sa mga kritikal na gamit, buksan at suriin ang nauugnay na seksyon ng mapagkukunan kasama ng user.
tatlong mini case
Case 1 — Nakita ang nakatakas na pinagmulan. Ang isang mananaliksik ay naghahanap ng mga mapagkukunan sa "urban heat island," ngunit ang pamagat ng pinakamahusay na pag-aaral sa koleksyon ay "thermal comfort sa mga lungsod." Hindi ito nakuha sa paghahanap ng keyword; ibinalik ito ng semantic search sa nangungunang limang resulta, salamat sa semantic proximity nito. Naabot ng mananaliksik ang isang pinagmulan na hindi niya makikita.
Kaso 2 — Mapanlinlang na "interes." Isang user ang naghanap ng "mga sanhi ng ekonomiya ng Rebolusyong Pranses". Ang semantic search ay niraranggo din ang ilang mga mapagkukunan sa pangkalahatan sa paksa ng "rebolusyon at ekonomiya" ngunit hindi nauugnay sa Rebolusyong Pranses. Napagtanto ng librarian na ang mga "tila may kaugnayan" na mga resultang ito ay hindi aktuwal na tumutugma sa paksa at itinuro ang gumagamit sa mga tamang mapagkukunan.
Kaso 3 — Pag-verify ng buod. Ang isang sistema ng pagtuklas ay nagbigay ng buod ng AI sa isang tanong at binanggit ang dalawang mapagkukunan. Binuksan ng librarian ang mga mapagkukunan: ang isa ay sumuporta sa buod, ang isa naman ay nagsabi ng kabaligtaran ng kung ano ang sinabi ng buod. Na-misinterpret ng system ang mapagkukunan. Ipinakita ng librarian sa patron ang tamang pinagmulan at ang aktwal na paghahanap.
Ranking, visibility at fairness
Aling mapagkukunan ang lumalabas sa itaas at alin sa ibaba bilang resulta ng paghahanap ay hindi isang inosenteng teknikalidad; Tinitingnan lang ng karamihan ng mga user ang mga unang resulta. Samakatuwid, tinutukoy ng ranking kung anong impormasyon ang aktwal na nakikita. Kinakalkula ng ranggo na nakabatay sa AI ang sukatan na "kaugnayan" nito batay sa mga pattern na natutunan nito, at maaaring may posibilidad na i-highlight ng mga pattern na ito ang mga source na sikat, mataas ang pagkakabanggit, o sa ilang partikular na wika. Bilang resulta, ang mahalaga ngunit hindi gaanong kilalang mga mapagkukunan sa bago o iba't ibang mga wika ay maaaring manatiling hindi nakikita. Ang trabaho ng librarian ay malaman na ang pagkakasunud-sunod ay hindi isang neutral na katotohanan at upang turuan ang gumagamit na tumingin sa kabila ng mga unang resulta, subukan ang iba't ibang mga termino para sa paghahanap, at tanungin ang pagkakasunud-sunod ng mga resulta. Ang "nangungunang tatlong pinagmumulan" ay hindi dapat itumbas sa "nangungunang tatlong pinagmumulan," lalo na para sa isang katanungan sa pananaliksik. Ang pagtuklas ay nangangailangan ng paghuhukay ng mas malalim sa listahan.
Tip: Kapag nagtuturo sa isang user na maghanap, ipakita sa kanila kung paano maghanap para sa parehong paksa gamit ang dalawa hanggang tatlong magkakaibang hanay ng mga termino. Iba't ibang termino ang nagbabalik ng iba't ibang ranggo ng resulta; Sinisira nito ang blind spot na nilikha ng isang paghahanap at nagbubukas ng mas maraming mapagkukunan.
Apat na maaaring kopyahin na mga template
1) Pagpapalawak ng termino para sa paghahanap:
Pagyamanin ang paksa sa paghahanap sa ibaba para sa paghahanap ng semantiko at keyword. Maglista ng mga kasingkahulugan, kaugnay na termino, at posibleng katumbas ng pormal/teknikal. Magmungkahi lamang ng mga terminong tunay na nauugnay sa paksa. Paksa: [dito]
2) Paglilinaw sa tanong ng user:
Magmungkahi ng 3 paglilinaw na tanong na dapat kong itanong upang linawin ang sumusunod na hindi malinaw na tanong ng user (tulad ng saklaw, panahon, genre, wika). Huwag ipagpalagay ang layunin ng user, ipakita ang mga opsyon. Tanong: [dito]
3) Pagsusuri sa kaugnayan ng kinalabasan:
Nasa ibaba ang isang paksa sa paghahanap at ibinalik ang mga pamagat/buod ng resulta. I-rate kung gaano nauugnay ang bawat resulta sa paksa bilang "mataas/katamtaman/mababa" at magbigay ng katwiran sa isang pangungusap. Umasa lang sa text na binigay. Paksa: [dito] / Mga Resulta: [dito]
4) Pagsusuri ng pagkakapare-pareho ng buod-pinagmulan:
Nasa ibaba ang isang buod at ang pinagmulang teksto kung saan ito inaangkin na batayan. Ang bawat paghahabol ba sa buod ay aktwal na naroroon sa pinagmulang teksto? Markahan ang item ayon sa item na "suportado / hindi suportado / bahagyang". Buod: [dito] / Pinagmulan: [dito]
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Ilista sa akin ang pinakamahusay na mapagkukunan sa paksang ito.
Hindi alam ng AI kung aling koleksyon, ayon sa kung anong pamantayan, ang pipiliin mula sa aktwal na umiiral na mga mapagkukunan; ay maaaring gumawa ng isang ginawang "pinakamahusay" na listahan mula sa kanyang pangkalahatang memorya.
Napakahusay na prompt:
Ang iyong tungkulin: scout assistant. Nasa ibaba ang paksa ng paghahanap at 15 aktwal na resulta (pamagat + abstract) na ibinalik mula sa sistema ng scout. Ilista ang 15 resultang ito ayon sa kaugnayan ng mga ito sa paksa at magbigay ng isang pangungusap na katwiran para sa bawat isa. Pagdaragdag ng bagong source sa listahan, ginagawa ito. Paksa: [dito] / Mga Resulta: [dito]
Ang malakas na prompt ay nililimitahan ang AI sa tunay na hanay ng resulta at ginagawa itong suriin; Pinipigilan nito ang katha at pagkuha mula sa pangkalahatang memorya.
Chart ng paghahambing ng uri ng paghahanap
Katayuan
pinakamahusay na paraan
Bakit
Eksaktong pamagat/ISBN/may-akda
Patlang/keyword
Ang one-to-one na pagtutugma ay maaasahan
Paggalugad ng paksa, iba't ibang termino
Semantikong paghahanap
Kinukuha ang lapit ng kahulugan
Isang kasalukuyang kaganapan/pangngalan
keyword + petsa
Katumpakan at pagiging maagap
Kaugnay ngunit ibang pinagmulan ng pangalan
Semantikong paghahanap
nakakahanap ng kasingkahulugan
Mga karaniwang pagkakamali
- Paggamit ng semantic na paghahanap para sa tumpak na impormasyon. Ang paghahanap ng domain para sa ISBN o buong pamagat ay mas maaasahan.
- Ipagpalagay na totoo ang "parang may kaugnayan". Ang pagiging malapit ng kahulugan ay hindi isang garantiya ng pagiging maaasahan o katumpakan.
- Pagbibigay ng buod ng AI nang hindi tinitingnan ang pinagmulan. Maaaring na-misinterpret ng buod ang pinagmulan.
- Hindi nililinaw ang malabong tanong ng user. Ang maling input ay nagdudulot ng maling resulta.
- Gumamit lamang ng isang paraan. Pinakamainam na gumamit ng semantiko at paghahanap ng keyword nang magkasama.
Sa buod
Ang mga semantic na paghahanap at mga sistema ng pagtuklas ay nakakahanap ng mga nauugnay na mapagkukunan na hindi nakuha ng paghahanap ng keyword sa pamamagitan ng pagtutugma sa kahulugan, hindi sa salita, at pagpapalakas ng pagtuklas. Ang mga buod na pinapagana ng AI ay nagbibigay ng kaginhawahan ngunit nagdadala ng panganib ng guni-guni at maling interpretasyon ng pinagmulan. Ang trabaho ng librarian; Gamit ang semantic at keyword na paghahanap nang magkasama, kritikal na sinusuri kung ano ang "tila may-katuturan", pag-verify ng mga buod ng AI kasama ang pinagmulan, at pagtuturo sa user ng source-based, na nagpapatunay ng ugali sa paghahanap.
Gawain ng aplikasyon
Pumili ng paksa at gawin ang parehong keyword at semantic na paghahanap (kung naaangkop); ihambing ang dalawang hanay ng mga resulta: anong mga karagdagang mapagkukunan ang nahanap ng semantic na paghahanap, anong hindi nauugnay na mga resulta ang pinaghalo nito? Bumuo ng buod na pinapagana ng AI (o kumuha ng sample na buod) at tingnan kung ang mga claim sa buod ay aktwal na nangyayari sa pinagmulan gamit ang template na "Summary-source consistency check."
checklist
- [ ] Gumamit ako ng domain/keyword para sa tumpak na impormasyon at semantic na paghahanap para sa pagtuklas.
- [ ] Nilinaw ko ang malabong tanong ng gumagamit.
- [ ] Sinuri ko ang mga resultang "tila may kaugnayan" para sa pagiging maaasahan.
- [ ] Na-verify ko ang mga buod ng AI gamit ang orihinal na pinagmulan.
- [ ] Ipinaliwanag ko ang ugali sa paghahanap na batay sa pinagmulan ng user.