Dự đoán
Đây gọi là vocabulary mismatch — và là lý do tìm kiếm ngữ nghĩa ra đời.
Evaluating routing across providers.
AI Foundation
Tìm tài liệu theo NGHĨA thay vì khớp từ khoá — tra nội quy, hợp đồng, báo cáo mà không phải gõ đúng từng chữ.
The same lesson, opened from AI Foundation / Ứng dụng thực tế, AI Engineer / RAG & Agents.
Đây gọi là vocabulary mismatch — và là lý do tìm kiếm ngữ nghĩa ra đời.
| Cách tìm | Ẩn dụ | Khi bạn nói “sách về nghỉ phép” |
|---|---|---|
| Theo từ khoá | Nhân viên thư viện mới: bạn phải đọc đúng tên sách in trên bìa. | Họ đứng yên, vì không có chữ nào khớp bìa. |
| Theo ý nghĩa | Thủ thư lâu năm: hiểu ý bạn dù từ dùng không có trên bìa. | Cô chạy ngay sang kệ “annual leave policy”, “chính sách phép năm”, “off work”. |
Điểm mấu chốt: “ý nghĩa” của câu sống trong một không gian vector. Hai câu cùng nghĩa → hai điểm gần nhau.
Bản đồ độ liên quan so sánh bốn câu hỏi với tám tài liệu. Mỗi ô là mức gần-xa về ý nghĩa; bạn không cần công thức, chỉ cần đọc kết quả.
| Câu hỏi | Đọc kết quả |
|---|---|
| “xin nghỉ phép năm nay” | Liên quan mạnh đến cả bốn tài liệu về phép, dù dùng từ vựng khác nhau (tiếng Việt, tiếng Anh, “off work”). |
| “pharma market” | Khớp ý với tài liệu “thị trường dược” dù khác ngôn ngữ; phần còn lại không liên quan hoặc trái chủ đề. |
Ý nghĩa có toạ độ. Mỗi câu trở thành một điểm trong không gian số — hai câu cùng nghĩa ở gần nhau, bất kể ngôn ngữ, chính tả hay từ ngữ. Tìm kiếm ngữ nghĩa chỉ là việc “đo khoảng cách” từ câu hỏi đến mọi tài liệu, rồi trả về top gần nhất.
Đây là nền móng cho vector database, RAG và mọi hệ thống chatbot doanh nghiệp hiện đại.
Tìm kiếm ngữ nghĩa tìm tài liệu theo ý nghĩa thay vì khớp ký tự. Một mô hình embedding chuyển mọi câu thành vector nhiều chiều; xếp hạng theo độ gần về hướng (cosine) và trả về top-K gần nhất.
| Từ khoá (BM25, grep) | Ngữ nghĩa (vector search) | |
|---|---|---|
| Điểm mạnh | Khớp mã sản phẩm, số hợp đồng, tên riêng hiếm — cực mạnh; nhanh, rẻ, dễ giải thích kết quả | Hiểu đồng nghĩa (“xin phép” ↔ “annual leave”); chéo ngôn ngữ nếu dùng embedding đa ngữ; tha thứ lỗi chính tả và cách diễn đạt tự nhiên |
| Điểm yếu | Yếu khi câu hỏi dùng từ khác tài liệu; không hiểu ngôn ngữ chéo (VN ↔ EN); không hiểu đồng nghĩa, paraphrase | Yếu ở mã chính xác và tên hiếm; cần mô hình embedding và hạ tầng vector DB |
1 tầng (đơn giản)
Embed câu hỏi thành vector.
Nhanh, rẻ, đủ dùng cho POC và kho dưới 1 triệu tài liệu.
2 tầng (có rerank)
Embed câu hỏi thành vector.
Tăng chất lượng 5–15 điểm MRR, chậm hơn vài trăm ms. Đáng cho sản phẩm có người dùng thật. Công ty nhỏ bắt đầu từ 1 tầng; khi chất lượng kết quả quan trọng, thêm tầng 2.
| Tình huống | Ví dụ |
|---|---|
| Chatbot hỏi đáp tài liệu công ty | Nhân viên hỏi tự nhiên, bot đọc đúng đoạn trong nội quy / handbook. |
| Tìm hợp đồng, email cũ | “Hợp đồng với bên A về giao hàng chậm” ra đúng văn bản dù tên file không khớp. |
| Tổng hợp báo cáo ngành | Marketer có 50 PDF báo cáo → hỏi xu hướng, tìm đúng đoạn trả lời. |
| Thương mại điện tử | “Quà cho bạn gái thích cắm trại” → semantic bắt ý, keyword khớp brand. |
| Tìm kiếm chéo ngôn ngữ | Query tiếng Việt → tài liệu tiếng Anh vẫn trả đúng nhờ embedding đa ngữ. |
| Phát hiện trùng lặp tin tức | Tìm bài trùng ý (plagiarism, dedup) tốt hơn khớp từ rất nhiều. |