Hibrit arama kurulumu

İki yöntemin ürettiği puanlar aynı ölçekte değil: kosinüs benzerliği sınırlı bir aralıkta, lexical puan ise belge uzunluğuna ve terim seyrekliğine göre serbestçe değişir. Bu yüzden puanları doğrudan toplamak yanıltıcı olur.

Pratik çözüm, puan yerine sıra kullanmak: karşılıklı sıra birleştirmesi her kaydın iki listedeki sırasının tersini toplar. Ölçek uyumu gerektirmez ve üçüncü bir sinyal (başlık eşleşmesi, güncellik) eklemek için yeni bir liste vermek yeterlidir.

# k, ilk sıraların aşırı baskın olmasını yumuşatır (tipik: 60)
def rrf(listeler, k=60):
    puanlar = {}
    for liste in listeler:
        for sira, kimlik in enumerate(liste, start=1):
            puanlar[kimlik] = puanlar.get(kimlik, 0) + 1 / (k + sira)
    return sorted(puanlar, key=puanlar.get, reverse=True)

Sıra tabanlı birleştirmede bile hangi listeye ne kadar güvendiğinizi ayarlamak isteyebilirsiniz. Ama bu ayar tahminle değil ölçümle yapılmalı: sorgu günlüğünüzden 20 sorgu seçip her kurulum için Recall@5 hesaplayın.

Kurumsal aramada sorgu neredeyse hiç filtresiz değildir: kullanıcı yetkisi, belge sürümü, yürürlük tarihi ve dil devreye girer. Filtreyi aramadan sonra uygulamak sonuç sayısını beklenmedik biçimde sıfıra düşürebilir; bu yüzden filtre indeks düzeyinde desteklenmeli.

Cross-encoder sorgu ve belgeyi birlikte okur; bu yüzden gömme aramadan isabetli ama çok daha yavaştır. Tüm dizine değil, birleştirilmiş listenin ilk 20-50 adayına uygulanır.

Etkisini iki metrikle birlikte raporlayın: ilk-beş ilgili oranı ve p95 gecikme. Etkileşimli bir arayüzde birleştirilmiş sonucu hemen gösterip yeniden sıralamayı arka planda tamamlamak makul bir uzlaşma olabilir.

Kurum içi kısaltmalar ("KVKK", "SGK", ürün kodları) ve eş anlamlılar, arama kalitesinin en ucuz kazancı. Küçük bir eşleme sözlüğü, model değiştirmekten daha fazla fark yaratabiliyor.

• Kısaltma açılımı: "KVKK" → "Kişisel Verilerin Korunması Kanunu".
• Eş anlamlı genişletme: "fatura" → "fatura, irsaliye, e-fatura".
• Yazım düzeltme: yalnızca lexical tarafa uygulayın.
• Sözlüğü sürümleyin; değişiklik arama sonuçlarını değiştirir.

Hiç sonuç dönmeyen sorgular iki bilgi taşır: arama hattındaki bir eksiklik veya içerikte gerçek bir boşluk. İkisi de değerli. Boş dönüş oranını izlemek, içerik yol haritasının en güvenilir girdisi.