A pesquisa por palavras-chave encontra as palavras que escreveu. Isso funciona até o documento dizer rescisão e ter pesquisado cancelamento, ou até uma política descrever a mesma obrigação de três formas diferentes. A pesquisa semântica foi feita para essa lacuna: em vez de comparar caracteres, compara o sentido, e uma pergunta com as suas próprias palavras pode chegar à passagem que lhe responde.
Como funciona a pesquisa semântica no AuraDoc
Quando um documento é processado, o texto é dividido em excertos e cada excerto transforma-se num embedding, uma representação numérica do assunto do excerto. Esses embeddings ficam guardados num índice vetorial. Ao pesquisar, a sua consulta transforma-se num embedding da mesma forma e é comparada com os excertos guardados, e os mais próximos regressam como resultado. O endpoint de pesquisa da API devolve dez resultados por omissão e até cinquenta, ignora correspondências fracas abaixo de uma pontuação mínima e pode reordenar a lista curta para melhorar a ordem. Cada resultado traz um excerto da passagem com os termos encontrados realçados, para avaliar o resultado sem abrir o ficheiro.
A pesquisa abrange o texto que a extração produziu, por isso os ficheiros digitalizados entram depois de passarem pelo pipeline de OCR. Se um documento ainda não tem texto, não há nada para o índice guardar.
Palavras e sentido em conjunto
Nem sempre o sentido é o que pretende. Por vezes precisa de um número de fatura exato ou da referência de uma cláusula, e uma correspondência puramente semântica pode desviar-se. Para isso existe a pesquisa híbrida, que combina a pesquisa por palavras com a pesquisa vetorial. É também a rede de segurança: se não houver chave disponível para o fornecedor de embeddings, a pesquisa não falha com um erro do fornecedor. Volta a comparar palavras, e a resposta traz um aviso a explicar o motivo. A pesquisa semântica em si precisa de um fornecedor de embeddings configurado, pela plataforma ou pela sua própria chave nas definições. Quando não existe nenhum, a resposta avisa em vez de devolver uma lista vazia sem explicação.
Refinar os resultados com filtros
Uma pesquisa por sentido numa biblioteca grande devolve muita coisa, por isso os filtros importam. Pode restringir a pesquisa a um único documento, ou limitar por tipo de ficheiro, como PDF, Word, Excel, imagem ou texto, por data de envio, por nome do ficheiro, por intervalo de tamanho, por quem o enviou e por estado de processamento. Também pode manter só os documentos com entidades extraídas, assinaturas ou dados pessoais detetados, e filtrar pela origem do ficheiro, por exemplo uma pasta de nuvem sincronizada. Um campo à parte compara com as entidades que a IA encontrou no documento, útil para perguntas como quais os contratos que referem determinada empresa. Os resultados podem ser ordenados por relevância, mais recentes, mais antigos ou nome do ficheiro.
Pesquisa por exemplo
Nem precisa de palavras se já tem um documento. A pesquisa pode partir de um documento e devolver os mais parecidos com ele, a mesma ideia do separador de documentos semelhantes na página de um documento. Na aplicação web, a página de pesquisa também aceita uma ligação que parte de um documento específico, e assim partilha um ponto de partida com um colega. Para passar de um ficheiro parecido às diferenças exatas, veja Comparar dois documentos.
Pesquisas guardadas e alertas
Uma pergunta que faz todas as semanas não devia ser escrita de novo. Guarde uma pesquisa com nome, consulta e filtros e execute-a outra vez com uma ação. Uma pesquisa guardada também pode avisar sobre novos documentos, e o alerta pode disparar de imediato, todos os dias ou todas as semanas. Isto transforma a pesquisa numa monitorização leve: uma pesquisa guardada por uma cláusula que não quer perder, verificada à medida que chegam ficheiros das suas pastas de nuvem monitorizadas.
Custo e permissões
Cada consulta é convertida em embedding pelo fornecedor, por isso o embedding conta na sua quota, e a plataforma verifica se a quota o cobre antes de o pagar. O acesso pela API usa um âmbito próprio de leitura de pesquisa, e assim dá a uma integração permissão para pesquisar sem lhe dar mais do que isso. Quando quer respostas em vez de uma lista, experimente o chat com citações. Os planos e limites estão na página de preços.