Vector Search
Vector search vindt content op betekenis in plaats van exacte woorden. Tekst wordt omgezet in hoog-dimensionale embeddings, en een similarity metric zoals cosinusafstand rangschikt opgeslagen vectoren op hoe dicht ze bij de queryvector liggen, waardoor conceptueel verwante passages terugkomen zelfs wanneer geen trefwoorden overeenkomen.
Synoniemen: semantische search, similarity search, nearest-neighbor search, embedding search
Vector search drijft semantische retrieval aan: in plaats van strings te matchen, matcht het betekenis. Een query wordt ingebed in dezelfde vectorruimte als de geïndexeerde content, en de index geeft de dichtstbijzijnde vectoren terug volgens een afstandsmetric. Om op schaal snel te blijven gebruiken productiesystemen approximate nearest-neighbor-indexen die minieme nauwkeurigheidsoffers accepteren voor grote latencywinst. Vector search is het effectiefst in combinatie met keyword search in een hybride retriever, zodat exacte identifiers niet verloren gaan door puur semantische matching.