133 lines
5.3 KiB
Markdown
133 lines
5.3 KiB
Markdown
---
|
|
id: wiki-2026-0508-semantic-search
|
|
title: Semantic Search
|
|
category: AI_and_ML
|
|
status: needs_review
|
|
canonical_id: self
|
|
aliases: [P-Reinforce-AUTO-SMS-001]
|
|
duplicate_of: none
|
|
source_trust_level: A
|
|
confidence_score: 1.0
|
|
tags: [auto-reinforced, semantic-search, vector-search, nlp, bert, llm]
|
|
raw_sources: []
|
|
last_reinforced: 2026-05-04
|
|
github_commit: pending
|
|
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
|
tech_stack:
|
|
language: unspecified
|
|
framework: unspecified
|
|
---
|
|
|
|
# [[Semantic Search|Semantic Search]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "단어를 넘어선 의도의 검색: 사용자가 입력한 키워드의 단순 일치 여부가 아니라, 그 뒤에 숨겨진 '의미(Semantics)'와 '문맥(Context)'을 이해하여 가장 적합한 정보를 찾아내는 차세대 검색 기술."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
의미론적 검색(Semantic Search)은 자연어 처리(NLP)와 머신러닝 알고리즘을 활용하여 단어 간의 관계와 질문의 의도를 파악하는 검색 방식입니다.
|
|
|
|
1. **동작 원리 (How it works)**:
|
|
* **의도 파악 (Intent Recognition)**: 질문이 정보를 찾는 것인지, 구매를 위한 것인지, 특정 사이트로 이동하려는 것인지 분석합니다.
|
|
* **문맥 이해 (Contextual Awareness)**: '사과'가 과일인지 브랜드인지 주변 단어를 통해 판단합니다.
|
|
* **벡터 변환**: 질문과 문서를 [[Vector Embedding|Vector Embedding]]으로 변환하여 수학적 거리 기반의 [[Vector Search|Vector Search]]를 수행합니다.
|
|
|
|
2. **핵심 기술**:
|
|
* **[[BERT|BERT]] / Transformer**: 양방향 문맥 이해를 가능하게 하여 검색 품질을 혁신한 딥러닝 모델입니다.
|
|
* **Knowledge Graph**: 엔티티(인물, 장소, 개념 등) 간의 관계를 구조화하여 지능적인 답변을 제공합니다.
|
|
* **Dense Retrieval**: 키워드 매칭이 아닌 벡터 공간에서의 근접성 검색을 수행합니다.
|
|
|
|
3. **이점 (Benefits)**:
|
|
* 동의어 및 유의어 처리 능력이 탁월합니다.
|
|
* 자연어 형태의 긴 질문(Long-tail Query)에 매우 강합니다.
|
|
* 오타나 부정확한 표현에도 유연하게 대처합니다.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
|
* **컴퓨팅 비용**: 딥러닝 모델 추론과 벡터 연산으로 인해 전통적 검색보다 훨씬 많은 연산 자원이 필요합니다.
|
|
* **고유 명사 취약성**: 제품 시리얼 번호나 특수 코드와 같은 '정확한 일치'가 필요한 데이터에서는 오히려 성능이 떨어질 수 있습니다.
|
|
* **블랙박스 문제**: 특정 결과가 왜 상단에 노출되었는지 논리적으로 설명하기 어렵습니다.
|
|
|
|
## 💻 실전 구현 코드 (Boilerplate)
|
|
`sentence-transformers`를 활용하여 의미론적 유사도를 기반으로 검색을 수행하는 기초 예시입니다.
|
|
|
|
```python
|
|
from sentence_transformers import SentenceTransformer, util
|
|
|
|
# 1. 모델 로드 (다국어 지원)
|
|
model = SentenceTransformer('jhgan/ko-sroberta-multilingual')
|
|
|
|
# 2. 지식 베이스 정의
|
|
docs = [
|
|
"인공지능 에이전트는 자율적으로 작업을 수행합니다.",
|
|
"로컬 LLM은 데이터 프라이버시 보호에 유리합니다.",
|
|
"옵시디언은 강력한 노트 연결 기능을 제공합니다."
|
|
]
|
|
doc_embeddings = model.encode(docs)
|
|
|
|
# 3. 사용자 질의 처리
|
|
query = "나의 지식을 외부로 유출하지 않고 AI를 사용하고 싶어."
|
|
query_embedding = model.encode(query)
|
|
|
|
# 4. 의미론적 유사도 검색
|
|
hits = util.semantic_search(query_embedding, doc_embeddings, top_k=1)
|
|
best_idx = hits[0][0]['corpus_id']
|
|
|
|
print(f"Query: {query}")
|
|
print(f"Top Semantic Result: {docs[best_idx]} (Score: {hits[0][0]['score']:.4f})")
|
|
```
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
* **상위 개념**: [[Information Retrieval (IR)|Information Retrieval (IR)]], [[Natural Language Processing (NLP)|NLP]]
|
|
* **기반 기술**: [[Vector Embedding|Vector Embedding]], [[Vector Search|Vector Search]], [[BERT|BERT]]
|
|
* **보완 기술**: [[Hybrid Search|Hybrid Search]] (Keyword + Semantic)
|
|
|
|
---
|
|
*Last updated: 2026-05-04*
|
|
|
|
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
|
|
|
**언제 이 지식을 쓰는가:**
|
|
- *(TODO)*
|
|
|
|
**언제 쓰면 안 되는가:**
|
|
- *(TODO)*
|
|
|
|
## 🧪 검증 상태 (Validation)
|
|
|
|
- **정보 상태:** needs_review
|
|
- **출처 신뢰도:** A
|
|
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
|
|
|
## 🧬 중복 검사 (Duplicate Check)
|
|
|
|
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
|
- **처리 방식:** UPDATE (자동 정규화)
|
|
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
|
|
|
## 🕓 변경 이력 (Changelog)
|
|
|
|
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
|
|------|-----------|-----------|--------|
|
|
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
|
|
|
## 💻 코드 패턴 (Code Patterns)
|
|
|
|
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
|
|
|
```text
|
|
# TODO
|
|
```
|
|
|
|
## 🤔 의사결정 기준 (Decision Criteria)
|
|
|
|
**선택 A를 써야 할 때:**
|
|
- *(TODO)*
|
|
|
|
**선택 B를 써야 할 때:**
|
|
- *(TODO)*
|
|
|
|
**기본값:**
|
|
> *(TODO)*
|
|
|
|
## ❌ 안티패턴 (Anti-Patterns)
|
|
|
|
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)* |