ベクトル検索により次世代の検索エクスペリエンスを強化

キーワードを一致させるだけでなく、意味に基づいた検索を行います。セマンティック検索は内部および外部の両方のユースケースに適用されます。内部的には従業員がナレッジベースから関連情報をより速く見つけられるようになり、外部的には検索結果の関連性が高まります。

特定のスタイルやサンプルと一致する、視覚的に類似した画像、ビデオクリップ、オーディオを検索します。類似性検索を実施すると、画像リバース検索、画像推奨、ビデオとオーディオのマッチングなどの用途が可能になります。

ユーザーの行動とプロフィールをモデル化し、ユーザーが興味を示した項目に類似する項目を見つけます。これにより、消費者製品、映画、音楽などのお薦めをパーソナライズし、あらゆるユーザーエクスペリエンスを個人またはユーザーグループに動的に適応させることが可能になります。

最新の自然言語処理（NLP）を使用することで、検索エクスペリエンスを強化できます。ベクトル検索を使用することで、関連ドキュメントの構成可能なサブセットを検索できます。2番目のステップでは、質問応答トランスフォーマーを使用して特定の質問に回答する段落を特定するか、固有表現（NER）を抽出するか、センチメント分析を適用して感情的な内容を特定します。

（公的にトレーニングされたデータだけでなく）組織のプライベートデータから抽出したビジネス固有の情報に対して大規模言語モデル（LLM）を活用します。独自のデータを利用する関連性の高いコンテキストウィンドウにElasticsearchを使用してLLM出力を改善し、安全で簡潔かつ実用的な会話的エクスペリエンスで情報を提供します。