Elasticsearch AI 语义搜索（semantic_text）
一、语义搜索
在传统的搜索系统中，Elasticsearch 一直依赖 倒排索引（inverted index）+ BM25 算法，这种方式非常适合关键词匹配，但存在明显的局限性：
- 同义词问题：用户输入“手机”，但文档中写的是“智能电话”，传统搜索可能匹配不到。
- 语义理解问题：用户输入“谁写了红楼梦？”，关键词搜索会检索“谁”、“写”、“红楼梦”，但很难直接理解用户意图。
- 上下文问题：传统搜索不理解句子整体含义，例如“最好的编程语言是什么”，它只会匹配“最好”和“编程语言”，而不是理解这个问题是在寻找“排名”或“推荐”。
为了解决这些问题，Elasticsearch 从 8.0 版本开始，逐渐引入了 dense_vector 向量字段、knn search、以及 semantic_text 查询，结合大语言模型（LLM）和向量搜索（vector search），构建出真正的 语义搜索（semantic search） 能力。
二、Elasticsearch 语义搜索核心原理
语义搜索的关键是 Embedding 向量化。
-
Emb