Wat is semantisch zoeken?
Traditionele zoekmachines kijken naar exact matchende trefwoorden. Zoek je naar "auto", dan vind je geen resultaten waarin alleen "voertuig" of "personenwagen" staat. Semantisch zoeken begrijpt de betekenis van woorden in een specifieke context door tekst om te zetten in numerieke vectoren (embeddings).
Via onze API Directory vind je diverse modellen die gespecialiseerd zijn in het genereren van hoogwaardige tekst-embeddings.
Van tekst naar vectoren (Embeddings)
Een embeddings-model neemt een stuk tekst—of dat nu een enkele zin of een hele paragraaf is—en vertaalt dit naar een lijst met getallen, bijvoorbeeld een vector van 1536 dimensies. Zinnen met een vergelijkbare betekenis krijgen vectoren die dicht bij elkaar liggen in een multidimensionale ruimte.
De Pipeline in Pseudocode
Het opzetten van een simpele semantische zoekpipeline bestaat uit twee hoofdfasen: het indexeren van de data en het uitvoeren van de daadwerkelijke zoekopdracht.
1. Indexering (Data klaarmaken)
// Pseudocode voor het indexeren van documenten
for document in alle_documenten:
tekst_chunk = splits_in_kleine_delen(document.inhoud)
vector = api.get_embedding(tekst_chunk)
database.opslaan(vector, tekst_chunk, metadata)
2. Zoeken (Similarity Search)
// Pseudocode voor een inkomende zoekopdracht
functie zoek(gebruiker_query):
query_vector = api.get_embedding(gebruiker_query)
// Bereken de cosinus-gelijkenis (cosine similarity)
resultaten = database.vector_search(
query_vector,
limiet = 5
)
return resultaten
Wanneer kies je voor semantisch zoeken i.p.v. trefwoorden?
Voordelen ten opzichte van traditionele zoektechnieken:
- Synoniemen en context: Begrijpt dat "laptop stuk" en "computerscherm defect" op elkaar lijken.
- Meertalige overeenkomsten: Geavanceerde modellen kunnen concepten over taalbarrières heen matchen.
- Intentie-gedreven: Handig voor FAQ's, klantenservice-kennisbanken en RAG-toepassingen (Retrieval-Augmented Generation).