2nd/10_Wiki/Topics/AI/Semantic-Search.md

id, category, confidence_score, tags, last_reinforced

id	category	confidence_score	tags	last_reinforced
SEM-Search-001	10_Wiki/💡 Topics/AI	1.0	ai nlp semantic-search information-retrieval vector-search	2026-04-26

Semantic Search (의미 기반 검색)

📌 한 줄 통찰 (The Karpathy Summary)

"단어가 아닌 '의도'와 '맥락'을 검색하라" — 단순한 키워드 매칭을 넘어 사용자의 질의가 가진 실제 의미와 데이터 사이의 개념적 유사성을 분석하여 가장 적절한 결과를 도출하는 검색 기술.

📖 구조화된 지식 (Synthesized Content)

• 추출된 패턴: 텍스트를 고차원 벡터 공간의 점(Embedding)으로 변환하여, 키워드가 달라도 의미적으로 가까운(Vector Distance가 작은) 데이터를 찾아내는 개념적 매칭 패턴.
• 세부 내용:
  • Vector Embeddings: 문장의 의미를 수치화된 벡터로 표현 (예: BERT, Ada 등 사용).
  • Similarity Measures: 코사인 유사도 등을 통해 두 벡터 사이의 거리와 방향성을 계산.
  • Intent Understanding: 사용자의 질문 의도를 파악하여 관련 지식을 추론 (예: '애플' 검색 시 과일인지 기업인지 문맥으로 판단).
  • Hybrid Search: 전통적인 키워드 검색(BM25)과 의미 기반 검색을 결합하여 정확도와 포괄성을 동시에 확보.

⚠️ 모순 및 업데이트 (Contradictions & RL Update)

• 과거 데이터와의 충돌: 오타나 동의어 처리가 힘들었던 키워드 검색의 한계를 딥러닝 임베딩 기술을 통해 원천적으로 해결.
• 정책 변화: Antigravity 프로젝트의 위키 검색 엔진은 기본적으로 의미 기반 검색을 수행하며, 이를 통해 사용자가 모호하게 질문해도 정확한 위키 문서를 찾아 연결함.

🔗 지식 연결 (Graph)

• Word-Embeddings, Vector-Database, RAG, NLP
• Raw Source: 10_Wiki/Topics/AI/Semantic-Search.md