キーワード検索は、入力した言葉そのものを探します。文書に「解除」とあるのに「キャンセル」で検索した場合や、同じ義務をポリシーが三通りの言い方で書いている場合には、見つかりません。セマンティック検索はこの隙間のためのものです。文字ではなく意味を照合するので、自分の言葉で書いた質問が、答えになる箇所にたどり着けます。
AuraDocのセマンティック検索のしくみ
ドキュメントが処理されると、本文は複数の箇所に分割され、それぞれが何について書かれているかを表す数値のベクトル、つまりエンベディングに変換されます。このエンベディングはベクトルインデックスに保存されます。検索するときは、クエリも同じ方法でエンベディングに変換され、保存された箇所と比べられ、最も近いものが結果として返ります。APIの検索エンドポイントは、既定で10件、最大50件を返し、最低スコアに満たない弱い一致は除外し、絞り込んだ候補を並べ替えて順序を改善することもできます。各結果には、該当する語を強調した箇所の抜粋が付くため、ファイルを開かずに判断できます。
検索の対象は抽出で得られたテキストです。スキャンしたファイルも、OCRパイプラインを通せば含まれます。まだテキストがないドキュメントは、インデックスに保存するものがありません。
キーワードと意味を組み合わせる
意味での一致が常に望ましいとは限りません。正確な請求書番号や条項の参照が必要なときは、純粋な意味検索では外れることがあります。そのために、キーワード照合とベクトル検索を組み合わせたハイブリッド検索があります。これは安全策でもあり、エンベディングのプロバイダー用のキーがない場合でも、プロバイダーのエラーで失敗せず、単語の照合に切り替わり、その理由を示す注記が応答に含まれます。セマンティック検索そのものには、プラットフォーム側または設定にある自分のキーでエンベディングのプロバイダーが設定されている必要があります。どちらもない場合は、理由のない空の結果ではなく、その旨が応答で示されます。
フィルターで絞り込む
大きなライブラリで意味検索をすると結果が多くなるので、フィルターが役立ちます。検索を1つのドキュメントに限定したり、PDF、Word、Excel、画像、テキストといったファイル種別、アップロード日、ファイル名、サイズの範囲、アップロードした人、処理状況で絞り込めます。抽出されたエンティティ、署名、検出された個人データを持つドキュメントだけを残すことも、同期したクラウドフォルダーなどファイルの取得元で絞ることもできます。別のフィールドでは、AIがドキュメントから見つけたエンティティと照合でき、特定の会社に触れている契約はどれか、といった問いに便利です。結果は関連度、新しい順、古い順、ファイル名で並べ替えられます。
例から探す
すでにドキュメントがあるなら、言葉は要りません。検索は1つのドキュメントを起点にして、最も似たものを返せます。これはドキュメントページにある類似ドキュメントのタブと同じ考え方です。Webアプリの検索ページは、特定のドキュメントを起点にするリンクも受け付けるため、起点を同僚と共有できます。似たファイルから正確な違いへ進むには、2つのドキュメントを比較するをご覧ください。
保存した検索とアラート
毎週する質問を、そのたびに入力し直す必要はありません。名前、クエリ、フィルターを付けて検索を保存し、ワンアクションで再実行できます。保存した検索は新しいドキュメントを通知でき、アラートは即時、毎日、毎週から選べます。これで検索は軽い監視になります。見逃したくない条項の検索を保存しておけば、監視しているクラウドフォルダーから新しいファイルが届くたびに確認できます。
コストと権限
各クエリはプロバイダーでエンベディングに変換されるため、そのエンベディングはクォータに数えられ、プラットフォームは支払う前にクォータで賄えるか確認します。APIアクセスには検索の読み取り専用スコープがあるので、連携に検索の権限だけを与えられます。リストではなく答えが欲しいときは、引用付きチャットをお試しください。プランと上限は料金ページにあります。