AI 詞彙表
人工智能完整詞典
查询扩展
通过为初始查询添加相关附加术语来丰富查询内容的技术，旨在改善信息检索效果并扩大搜索范围。该方法旨在克服词汇限制，更好地捕捉用户意图。
查询重写
将原始查询在语法和语义上转换为一个或多个优化搜索的替代查询的过程。该技术使查询表述能够适应数据结构和检索系统的能力。
查询分解
将复杂查询分解为多个更简单、更有针对性的子查询的方法，以便于处理并提高结果相关性。这种方法能更好地处理多意图查询和复合问题。
查询意图理解
深入语义分析以识别用户查询背后的潜在意图，无论是信息性、交易性还是导航性意图。这种理解指导查询转换以获得更相关的结果。
语义查询扩展
基于术语间的语义和上下文关系而非简单共现的查询扩展方法。该方法使用语言模型和本体来识别语义相关的概念。
伪相关反馈
自动技术，使用初始检索到的文档作为相关来源来扩展原始查询，无需用户明确判断。这种迭代方法逐步提高结果的相关性。
查询增强
通过上下文信息、元数据或外部知识丰富查询内容的过程，以提高其精确度和覆盖范围。该技术将原始信息与相关补充数据相结合。
查询重构
对查询结构和内容进行完全转换，以更好地适应用户期望和系统能力。这种方法超越了简单的扩展，从根本上改变了查询表述。
多查询生成
从初始查询创建多个变体，以探索信息需求的不同方面并增加检索相关文档的机会。该策略使研究角度多样化。
查询替换
在查询中用同义词、上位词或更适合领域上下文的术语替换特定术语。该技术优化了用户词汇与数据库词汇之间的匹配。
查询澄清
通过添加详细信息或向用户寻求澄清来解决查询歧义的交互式或自动过程。该方法确保查询与实际意图之间更好的匹配。
查询个性化
根据每个用户的个人资料、历史记录和特定偏好动态调整查询，以优化结果的相关性。这种个性化考虑了个人搜索背景。
上下文感知查询转换
考虑对话、时间和情境上下文来修改查询，以在持续交互中保持连贯性和相关性。该方法在对话系统和系列搜索中至关重要。
混合查询扩展
结合多种查询扩展技术（词汇、语义、统计），以利用每种方法的优势并弥补各自的弱点。这种混合策略最大化了查询扩展的效果。
查询嵌入
在连续语义空间中查询的密集向量表示，能够捕捉概念之间的微妙关系并执行语义相似性搜索。该技术在现代RAG系统中至关重要。
查询丰富
向查询添加结构化信息和元数据的过程，以增强系统对查询的理解并优化搜索结果。这种丰富包括实体、关系和上下文属性。
查询松弛
当找不到相关结果时，逐步放宽查询约束的技术，通过扩大搜索标准来最大化检索机会。这种方法确保了更好的覆盖范围。
查询优化
基于先前结果分析和隐式或显式反馈，对查询进行迭代改进，以逐渐收敛到越来越相关的结果。这种优化过程提高了搜索的精确度。
查询转换
将查询从一种语言或格式转换为另一种（自然语言到形式语言，或自然语言之间），以适应搜索系统的能力或多语言环境。这种转换在优化执行的同时保留了查询意图。
查询融合
智能地组合来自多个查询变体或表述的结果，以产生更相关和多样化的最终结果集。这种融合利用了不同转换方法的互补性。