語義搜索應用用戶意圖、上下(xià)文和概念含義來将用戶查詢與相應的内容相匹配。它使用矢量搜索和機器學習來返回旨在匹配用戶查詢的結果，即使沒有單詞匹配也是如此。

這些組件協同工(gōng)作以根據含義檢索和排列結果。最基本的部分(fēn)之一(yī)是上下(xià)文。

語境

搜索發生(shēng)的上下(xià)文對于理解搜索者試圖查找的内容很重要。

上下(xià)文可以像語言環境一(yī)樣簡單（搜索“足球”的美國人與搜索相同事物(wù)的中(zhōng)國人想要不同的東西）或更複雜(zá)。

智能搜索引擎将在個人級别和組級别上使用上下(xià)文。個人層面對結果的影響被恰當地稱爲個性化。

個性化将使用該個人搜索者的親和力、先前的搜索和先前的交互來返回最适合當前查詢的内容。

它适用于各種搜索，但語義搜索可以走得更遠。

在組級别上，搜索引擎可以使用有關所有搜索者如何與搜索結果交互的信息（例如最常點擊哪些結果，甚至某些結果比其他結果更受歡迎的季節性）對結果進行重新排名。

同樣，這顯示了語義搜索如何爲搜索帶來智能，在這種情況下(xià)，智能是通過用戶行爲。

語義搜索還可以利用文本中(zhōng)的上下(xià)文。我(wǒ)(wǒ)們已經讨論過同義詞在各種搜索中(zhōng)都很有用，并且可以通過将查詢匹配擴展到相關内容來改進關鍵詞搜索。

但我(wǒ)(wǒ)們也知(zhī)道同義詞不是通用的——有時兩個詞在一(yī)種情況下(xià)是等價的，而在另一(yī)種情況下(xià)卻不是。

當有人搜索“足球運動員(yuán)”時，正确的結果是什麽？美國的答案與中(zhōng)國肯定不同。然而，像“奶粉”這樣的查詢可能不需要知(zhī)道搜索者的位置。

這是通過語義搜索進行查詢理解的示例。

用戶意圖

任何搜索引擎的最終目标都是幫助用戶成功完成一(yī)項任務。該任務可能是閱讀新聞文章、購買衣服或查找文件。

搜索引擎需要弄清楚用戶想要做什麽，或者用戶意圖是什麽。我(wǒ)(wǒ)們可以在電(diàn)子商(shāng)務網站上搜索時看到這一(yī)點。當用戶輸入查詢“喬丹”時，搜索會自動過濾類别“鞋子”。這預計用戶的意圖是尋找鞋子，而不是約旦杏仁（将在“食品和零食”類别中(zhōng)）。

通過領先于用戶意圖，搜索引擎可以返回最相關的結果，并且不會用文本匹配但不相關的項目分(fēn)散用戶的注意力。在搜索頂部應用排序時，這可能更加相關，例如從最低到最高的價格。這是查詢分(fēn)類的一(yī)個示例。

對查詢進行分(fēn)類并限制結果集将确保僅顯示相關結果。