语义检索效果差有哪些重点-关键信息和实际影响

很多人接触人工智能时只停留在基础操作，真正影响效率的往往是人工智能、语义检索效果差讲了什么、主要信息和内容重点这些细节。先把使用场景分清楚，再按功能选择做法，能少走不少弯路。

先看原文给出的关键信息：探索语义检索的技术奥秘，深度学习与统计做法的较量。；比如，我用白话文“今天的雨好大”搜索，前三个结果是：今日云景好，水绿秋山明。；前两个都和雨没有关系，第三个勉强沾边。。继续往下处理时，重点放在这些条件上：为啥语义更相近的句子，反而排名靠后呢？；主要有两个原因，一个是“不理解”，另一个是“难精确”。；我使用的嵌入模型可能训练语料中古诗词较少，导致它不能很好地“理解”古诗词的语义。。收尾检查时，再把这些细节对上：“难精确”指的是不论你的度量做法使用的是余弦相似度（Cosine），还是欧几里得距离（L2），都不能保证语义最相似的结果一定排在第一。；这些做法都是简化的模型，句子的语义内涵很难只用中学数学知识就能准确计算，只能说在整体趋势上，得分越高的结果语义和查询越接近。；这就好像深圳入冬后，我们预测温度在10-20°C之间，这样的预测整体来说是正确的，但是具体到每一天的温度就不一定准确了，可能有那么一两天，温度升到了25°C。。