用户用词与文档不一致怎么办?
用户通常不知道资料使用的正式名称。员工问“客户不续费的原因”,资料可能写“流失归因”“合同终止原因”或“续约失败”。若只按原句搜索,系统可能漏掉重要记录。查询扩展把这些合理变体加入检索,但不应改变用户原意。
查询扩展有哪些常见方法?
简单方法是使用同义词词典、缩写表和业务术语映射;更灵活的方式是由模型生成若干改写,或把长问题拆成不同子问题分别检索。系统也可从初次检索结果中发现相关词,再进行第二轮搜索。多路结果需要去重、融合和重排序,避免某一种改写重复占满候选集。原始问题应始终保留,方便检查扩展是否越界。
例如,“华东区 Q3 销售额”不能随意扩展为“全国全年营收”。虽然词语相关,时间、区域和指标范围已经改变。若企业有认证指标定义,扩展应使用受控同义词,并把“销售额”映射到适用口径;有歧义时应澄清或保留多个候选,不能让语言模型私自决定。
怎样防止扩展改变原始问题?
查询扩展常能提高召回,尤其适合缩写、跨语言表达和多步骤调查。但它也可能引入无关内容,增加延迟与成本;对精确编号或法规条款,过度改写甚至会降低准确率。因此应分别评估召回率与误召回率,记录每条扩展查询带来了哪些有效证据。它与重排序互补:前者扩大候选,后者在候选中筛选。
关于扩展后的检索结果如何进入分析流程,可参看多模态检索与分析实践(英文)。
常见问题
扩展越多越好吗?
不一定。更多查询可能带来噪声和重复结果,应限制数量并按效果筛选。
能用模型自动生成同义词吗?
可以,但企业术语要核对定义,避免把相关但不等价的指标混用。
何时不宜扩展?
当用户输入精确 ID、代码或明确限定条件时,应优先保留原样匹配。