出品 | 51CTO技術棧（微信號：blog51cto）

如果用戶在一個網站上遭遇糟糕的體驗，近90%的用戶將不會再次訪問該網站。請花點時間理解這一驚人的統計數據。傳統的網站可靠性工程師主要關注“五個9”，即確保網站99.999%的時間都能正常運行和訪問。然而，這只是確保用戶獲得良好體驗的一部分。

還有什么其他因素會導致用戶點擊離開網站并且永遠不再回來呢？無法找到他們正在尋找的內容。

搜索某物卻無法快速有效地找到它，可能是用戶最失望的體驗之一。你希望創建一個這種情況很少發生的網站。然而，用戶使這變得非常困難。很多時候，他們不知道自己確切在尋找什么。他們心中有一個模糊的需求圖像，但缺乏精確的描述詞，他們的搜索最終只能用像“用于擰緊螺絲的工具”這樣的關鍵詞來提交。如果由人類來回答這個搜索請求，他會返回一套螺絲刀索引。那你的基于關鍵詞的搜索會返回什么呢？

• 關于擰緊技巧的文章。
• 關于不同類型螺絲的博客文章。
• 與螺絲刀無關的工具。
• 這種例子每天都會發生，而且一天要發生無數次。

面對這個困境，我們需要一種新的資源來改善用戶體驗，即使在用戶自身缺乏清晰性時也能提供清晰性。向量搜索提供了傳統關鍵詞搜索無法單獨實現的可能性。

1.向量搜索的工作原理

向量搜索利用先進的機器學習模型將文本數據轉化為高維向量，捕捉單詞和短語之間的語義關系。與依賴精確匹配的傳統基于關鍵詞的搜索不同，向量搜索理解查詢背后的上下文和含義，從而能夠檢索出更相關的結果。通過將查詢和文檔映射到相同的向量空間，它測量它們的相似度，即使用戶的輸入不精確或模糊，也能實現精確和直觀的搜索體驗。這種方法大大提高了搜索結果的準確性和相關性，使其成為現代信息檢索系統的強大工具。

換句話說，當用戶在由向量搜索支持的搜索功能中搜索“用于擰緊螺絲的工具”時，系統不僅查找包含這些確切單詞的文檔。相反，它解釋查詢背后的含義，并識別包含“螺絲刀”及相關術語的相關文檔。

2.搜索的未來是向量

通過理解上下文和語義，向量搜索能夠提供與用戶意圖高度相關的結果，即使查詢中沒有精確的關鍵詞。這種能力使向量搜索成為改善用戶體驗的寶貴工具，通過提供精確和準確的搜索結果來響應不精確或描述性的查詢。

這里有一個簡單的向量搜索的例子。

大家都知道，將數據轉化為向量涉及嵌入過程，其中文本數據被轉換為高維空間中的數值表示。在這個上下文中，向量是一個數學實體，通過將單詞和短語表示為多維空間中的點來捕捉它們的語義含義。通過將單詞嵌入到向量中，模型可以根據它們在大型數據集中的上下文和用法來測量不同術語之間的相似性。這種轉換允許更細致和上下文感知的搜索功能，為信息檢索和人工智能的進步鋪平了道路。

為了提供一個相對簡單的示例，假設搜索功能所基于的數據集僅是一個字符串，由“Your text string goes here.”組成。這個字符串將被轉換為字符串中單詞的數值表示的向量。嵌入將包括如下值：

-0.006929283495992422

-0.005336422007530928

-4.547132266452536e-05

-0.024047505110502243

這些向量表示單詞的語義含義，并允許搜索功能根據上下文而不是僅基于精確的關鍵詞匹配來理解和檢索相關信息。

當用戶在這個簡化的數據集上搜索類似“這個字段應該使用什么數據類型？”的短語時，搜索引擎會將查詢轉換為向量表示。然后，它將這個查詢向量與數據集的向量進行比較。

盡管樣本數據集中沒有“這個字段應該使用什么數據類型？”的確切單詞，但向量搜索識別出查詢的上下文和語義與“Your text string goes here.”相似。

因此，搜索引擎可以根據向量的相似性返回最相關的結果。這有效地將不確定和不清晰的用戶查詢轉化為更具確定性和清晰度的結果。

參考鏈接：https://thenewstack.io/the-future-of-search-is-vector/